DocumentModelAdministrationClient 類別
DocumentModelAdministrationClient 是用來建置和管理模型的表格辨識器介面。
它提供建置模型和分類器的方法,以及檢視和刪除模型和分類器的方法、檢視模型和分類器作業、存取帳戶資訊、將模型複製到另一個表格辨識器資源,以及從現有模型集合撰寫新模型的方法。
注意
DocumentModelAdministrationClient 應該與 API 版本搭配使用
2022-08-31 和最新版。 若要使用 API 版本 < =v2.1,請具現化 FormTrainingClient。
2022-08-31 版的新功能: DocumentModelAdministrationClient 及其用戶端方法。
- 繼承
-
azure.ai.formrecognizer._form_base_client.FormRecognizerClientBaseDocumentModelAdministrationClient
建構函式
DocumentModelAdministrationClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)
參數
- credential
- AzureKeyCredential 或 TokenCredential
用戶端連線到 Azure 所需的認證。 如果使用來自 的 API 金鑰或權杖認證 identity ,這是 AzureKeyCredential 的實例。
- api_version
- str 或 DocumentAnalysisApiVersion
要用於要求之服務的 API 版本。 預設為最新的服務版本。 將 設定為較舊版本可能會導致功能相容性降低。 若要使用 API 版本 < =v2.1,請具現化 FormTrainingClient。
範例
使用端點和 API 金鑰建立 DocumentModelAdministrationClient。
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, AzureKeyCredential(key)
)
使用權杖認證建立 DocumentModelAdministrationClient。
"""DefaultAzureCredential will use the values from these environment
variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
"""
from azure.ai.formrecognizer import DocumentModelAdministrationClient
from azure.identity import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, credential
)
方法
begin_build_document_classifier |
建置檔分類器。 如需如何建置和定型自訂分類器模型的詳細資訊,請參閱 https://aka.ms/azsdk/formrecognizer/buildclassifiermodel 。 2023-07-31 版的新功能: begin_build_document_classifier 用戶端方法。 |
begin_build_document_model |
建置自訂檔模型。 要求必須包含 blob_container_url 關鍵字參數,這是可外部存取的 Azure 儲存體 Blob 容器 URI, (最好是共用存取簽章 URI) 。 請注意,只有在容器為公用或已設定受控識別時,才會接受沒有 SAS) 的容器 (URI,請參閱這裡深入瞭解設定受控識別以使用表格辨識器: https://docs.microsoft.com/azure/applied-ai-services/form-recognizer/managed-identities 。 模型是使用下列內容類型的檔所建置:'application/pdf'、'image/jpeg'、'image/png'、'image/tiff'、'image/bmp'或 'image/heif'。 會忽略容器中的其他內容類型。 2023-07-31 版的新功能: file_list 關鍵字引數。 |
begin_compose_document_model |
從現有模型的集合建立撰寫的檔模型。 撰寫的模型允許使用單一模型識別碼呼叫多個模型。 提交檔以撰寫的模型識別碼進行分析時,會先執行分類步驟,以將它路由至正確的自訂模型。 |
begin_copy_document_model_to |
將儲存在此資源的檔模型 (來源) 複製到使用者指定的目標表格辨識器資源。 這應該使用來源表格辨識器資源 (呼叫,並搭配要複製) 的模型。 應該從目標資源的輸出,從呼叫 get_copy_authorization 方法來提供目標參數。 |
close | |
delete_document_classifier |
刪除檔分類器。 2023-07-31 版的新功能: delete_document_classifier 用戶端方法。 |
delete_document_model |
刪除自訂檔模型。 |
get_copy_authorization |
產生將自訂模型複製到目標表格辨識器資源的授權。 這應該由目標資源呼叫 (其中模型將複製到) ,而輸出可以當做 目標 參數傳遞至 begin_copy_document_model_to 。 |
get_document_analysis_client |
從 DocumentModelAdministrationClient 取得 DocumentAnalysisClient 的實例。 |
get_document_classifier |
依其識別碼取得檔分類器。 2023-07-31 版的新功能: get_document_classifier 用戶端方法。 |
get_document_model |
依識別碼取得檔模型。 |
get_operation |
依識別碼取得作業。 取得與表格辨識器資源相關聯的作業。 請注意,作業資訊只會持續 24 小時。 如果檔模型作業成功,可以使用 或 list_document_models API 來存取 get_document_model 模型。 |
get_resource_details |
取得表格辨識器資源下模型的相關資訊。 |
list_document_classifiers |
列出每個檔分類器的資訊,包括其分類器識別碼、描述,以及建立時間。 2023-07-31 版的新功能: list_document_classifiers 用戶端方法。 |
list_document_models |
列出每個模型的資訊,包括其模型識別碼、描述,以及建立時。 |
list_operations |
列出每個作業的資訊。 列出與表格辨識器資源相關聯的所有作業。 請注意,作業資訊只會持續 24 小時。 如果檔模型作業成功,可以使用 或 list_document_models API 來存取 get_document_model 檔模型。 |
send_request |
使用用戶端的現有管線執行網路要求。 要求 URL 可以相對於基底 URL。 除非另有指定,否則用於要求的服務 API 版本與用戶端的版本相同。 使用 API 2022-08-31 版和更新版本,支援在相對 URL 中覆寫用戶端的已設定 API 版本。 以任何 API 版本在用戶端上支援的絕對 URL 中覆寫。 如果回應為錯誤,則這個方法不會引發;若要引發例外狀況,請在傳回的回應物件上呼叫 raise_for_status () 。 如需如何使用此方法傳送自訂要求的詳細資訊,請參閱 https://aka.ms/azsdk/dpcodegen/python/send_request 。 |
begin_build_document_classifier
建置檔分類器。 如需如何建置和定型自訂分類器模型的詳細資訊,請參閱 https://aka.ms/azsdk/formrecognizer/buildclassifiermodel 。
2023-07-31 版的新功能: begin_build_document_classifier 用戶端方法。
begin_build_document_classifier(doc_types: Mapping[str, ClassifierDocumentTypeDetails], *, classifier_id: str | None = None, description: str | None = None, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentClassifierDetails]
參數
- classifier_id
- str
唯一的檔分類器名稱。 如果未指定,將會為您建立分類器識別碼。
- description
- str
檔分類器描述。
傳回
DocumentModelAdministrationLROPoller 的實例。 在輪詢器物件上呼叫 result () 以傳回 DocumentClassifierDetails 。
傳回類型
例外狀況
範例
建置檔分類器。
import os
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ClassifierDocumentTypeDetails,
BlobSource,
BlobFileListSource,
)
from azure.core.credentials import AzureKeyCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
container_sas_url = os.environ["CLASSIFIER_CONTAINER_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
poller = document_model_admin_client.begin_build_document_classifier(
doc_types={
"IRS-1040-A": ClassifierDocumentTypeDetails(
source=BlobSource(
container_url=container_sas_url, prefix="IRS-1040-A/train"
)
),
"IRS-1040-D": ClassifierDocumentTypeDetails(
source=BlobFileListSource(
container_url=container_sas_url, file_list="IRS-1040-D.jsonl"
)
),
},
description="IRS document classifier",
)
result = poller.result()
print(f"Classifier ID: {result.classifier_id}")
print(f"API version used to build the classifier model: {result.api_version}")
print(f"Classifier description: {result.description}")
print(f"Document classes used for training the model:")
for doc_type, details in result.doc_types.items():
print(f"Document type: {doc_type}")
print(f"Container source: {details.source.container_url}\n")
begin_build_document_model
建置自訂檔模型。
要求必須包含 blob_container_url 關鍵字參數,這是可外部存取的 Azure 儲存體 Blob 容器 URI, (最好是共用存取簽章 URI) 。 請注意,只有在容器為公用或已設定受控識別時,才會接受沒有 SAS) 的容器 (URI,請參閱這裡深入瞭解設定受控識別以使用表格辨識器: https://docs.microsoft.com/azure/applied-ai-services/form-recognizer/managed-identities 。 模型是使用下列內容類型的檔所建置:'application/pdf'、'image/jpeg'、'image/png'、'image/tiff'、'image/bmp'或 'image/heif'。 會忽略容器中的其他內容類型。
2023-07-31 版的新功能: file_list 關鍵字引數。
begin_build_document_model(build_mode: str | ModelBuildMode, *, blob_container_url: str, prefix: str | None = None, model_id: str | None = None, description: str | None = None, tags: Mapping[str, str] | None = None, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
參數
- build_mode
- ModelBuildMode
自訂模型建置模式。 可能的值包括:「template」、「neural」。 如需建置模式的詳細資訊,請參閱: https://aka.ms/azsdk/formrecognizer/buildmode 。
- blob_container_url
- str
Azure 儲存體 Blob 容器的 SAS URI。 如果容器是公用或已設定受控識別,則可以使用沒有 SAS) 的容器 (URI。 如需設定訓練資料集的詳細資訊,請參閱: https://aka.ms/azsdk/formrecognizer/buildtrainingset 。
- model_id
- str
模型的唯一識別碼。 如果未指定,將會為您建立模型識別碼。
- description
- str
要新增至模型的選擇性描述。
- prefix
- str
區分大小寫的前置詞字串,可篩選 Blob 容器 URL 路徑中的檔。 例如,使用 Azure 儲存體 Blob URI 時,請使用前置詞來限制子資料夾。 前置詞 應該以 '/' 結尾,以避免檔案名共用相同前置詞的情況。
- file_list
- str
容器內 JSONL 檔案的路徑,指定用於定型的檔子集。
傳回
DocumentModelAdministrationLROPoller 的實例。 在輪詢器物件上呼叫 result () 以傳回 DocumentModelDetails 。
傳回類型
例外狀況
範例
從定型檔案建置模型。
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ModelBuildMode,
)
from azure.core.credentials import AzureKeyCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
container_sas_url = os.environ["CONTAINER_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, AzureKeyCredential(key)
)
poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=container_sas_url,
description="my model description",
)
model = poller.result()
print(f"Model ID: {model.model_id}")
print(f"Description: {model.description}")
print(f"Model created on: {model.created_on}")
print(f"Model expires on: {model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in model.doc_types.items():
print(
f"Doc Type: '{name}' built with '{doc_type.build_mode}' mode which has the following fields:"
)
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
begin_compose_document_model
從現有模型的集合建立撰寫的檔模型。
撰寫的模型允許使用單一模型識別碼呼叫多個模型。 提交檔以撰寫的模型識別碼進行分析時,會先執行分類步驟,以將它路由至正確的自訂模型。
begin_compose_document_model(component_model_ids: List[str], **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
參數
- model_id
- str
撰寫模型的唯一識別碼。 如果未指定,將會為您建立模型識別碼。
- description
- str
要新增至模型的選擇性描述。
傳回
DocumentModelAdministrationLROPoller 的實例。 在輪詢器物件上呼叫 result () 以傳回 DocumentModelDetails 。
傳回類型
例外狀況
範例
使用現有的模型建立撰寫的模型。
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ModelBuildMode,
)
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
po_supplies = os.environ["PURCHASE_ORDER_OFFICE_SUPPLIES_SAS_URL"]
po_equipment = os.environ["PURCHASE_ORDER_OFFICE_EQUIPMENT_SAS_URL"]
po_furniture = os.environ["PURCHASE_ORDER_OFFICE_FURNITURE_SAS_URL"]
po_cleaning_supplies = os.environ["PURCHASE_ORDER_OFFICE_CLEANING_SUPPLIES_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
supplies_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_supplies,
description="Purchase order-Office supplies",
)
equipment_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_equipment,
description="Purchase order-Office Equipment",
)
furniture_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_furniture,
description="Purchase order-Furniture",
)
cleaning_supplies_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_cleaning_supplies,
description="Purchase order-Cleaning Supplies",
)
supplies_model = supplies_poller.result()
equipment_model = equipment_poller.result()
furniture_model = furniture_poller.result()
cleaning_supplies_model = cleaning_supplies_poller.result()
purchase_order_models = [
supplies_model.model_id,
equipment_model.model_id,
furniture_model.model_id,
cleaning_supplies_model.model_id,
]
poller = document_model_admin_client.begin_compose_document_model(
purchase_order_models, description="Office Supplies Composed Model"
)
model = poller.result()
print("Office Supplies Composed Model Info:")
print(f"Model ID: {model.model_id}")
print(f"Description: {model.description}")
print(f"Model created on: {model.created_on}")
print(f"Model expires on: {model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in model.doc_types.items():
print(f"Doc Type: '{name}' which has the following fields:")
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
begin_copy_document_model_to
將儲存在此資源的檔模型 (來源) 複製到使用者指定的目標表格辨識器資源。
這應該使用來源表格辨識器資源 (呼叫,並搭配要複製) 的模型。 應該從目標資源的輸出,從呼叫 get_copy_authorization 方法來提供目標參數。
begin_copy_document_model_to(model_id: str, target: TargetAuthorization, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
參數
- target
- <xref:azure.ai.formrecognizer.TargetAuthorization>
從目標資源的呼叫 get_copy_authorization 產生的複製授權。
傳回
DocumentModelAdministrationLROPoller 的實例。 在輪詢器物件上呼叫 result () 以傳回 DocumentModelDetails 。
傳回類型
例外狀況
範例
將模型從來源資源複製到目標資源
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
source_endpoint = os.environ["AZURE_FORM_RECOGNIZER_SOURCE_ENDPOINT"]
source_key = os.environ["AZURE_FORM_RECOGNIZER_SOURCE_KEY"]
target_endpoint = os.environ["AZURE_FORM_RECOGNIZER_TARGET_ENDPOINT"]
target_key = os.environ["AZURE_FORM_RECOGNIZER_TARGET_KEY"]
source_model_id = os.getenv("AZURE_SOURCE_MODEL_ID", custom_model_id)
target_client = DocumentModelAdministrationClient(
endpoint=target_endpoint, credential=AzureKeyCredential(target_key)
)
target = target_client.get_copy_authorization(
description="model copied from other resource"
)
source_client = DocumentModelAdministrationClient(
endpoint=source_endpoint, credential=AzureKeyCredential(source_key)
)
poller = source_client.begin_copy_document_model_to(
model_id=source_model_id,
target=target, # output from target client's call to get_copy_authorization()
)
copied_over_model = poller.result()
print(f"Model ID: {copied_over_model.model_id}")
print(f"Description: {copied_over_model.description}")
print(f"Model created on: {copied_over_model.created_on}")
print(f"Model expires on: {copied_over_model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in copied_over_model.doc_types.items():
print(f"Doc Type: '{name}' which has the following fields:")
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
close
delete_document_classifier
刪除檔分類器。
2023-07-31 版的新功能: delete_document_classifier 用戶端方法。
delete_document_classifier(classifier_id: str, **kwargs: Any) -> None
參數
傳回
無
傳回類型
例外狀況
範例
刪除分類器。
document_model_admin_client.delete_document_classifier(
classifier_id=my_classifier.classifier_id
)
try:
document_model_admin_client.get_document_classifier(
classifier_id=my_classifier.classifier_id
)
except ResourceNotFoundError:
print(f"Successfully deleted classifier with ID {my_classifier.classifier_id}")
delete_document_model
刪除自訂檔模型。
delete_document_model(model_id: str, **kwargs: Any) -> None
參數
傳回
無
傳回類型
例外狀況
範例
刪除模型。
document_model_admin_client.delete_document_model(model_id=my_model.model_id)
try:
document_model_admin_client.get_document_model(model_id=my_model.model_id)
except ResourceNotFoundError:
print(f"Successfully deleted model with ID {my_model.model_id}")
get_copy_authorization
產生將自訂模型複製到目標表格辨識器資源的授權。
這應該由目標資源呼叫 (其中模型將複製到) ,而輸出可以當做 目標 參數傳遞至 begin_copy_document_model_to 。
get_copy_authorization(**kwargs: Any) -> TargetAuthorization
參數
- model_id
- str
複製模型的唯一識別碼。 如果未指定,將會為您建立模型識別碼。
- description
- str
要新增至模型的選擇性描述。
傳回
具有複製授權所需值的字典。
傳回類型
例外狀況
get_document_analysis_client
從 DocumentModelAdministrationClient 取得 DocumentAnalysisClient 的實例。
get_document_analysis_client(**kwargs: Any) -> DocumentAnalysisClient
傳回
A DocumentAnalysisClient
傳回類型
例外狀況
get_document_classifier
依其識別碼取得檔分類器。
2023-07-31 版的新功能: get_document_classifier 用戶端方法。
get_document_classifier(classifier_id: str, **kwargs: Any) -> DocumentClassifierDetails
參數
傳回
DocumentClassifierDetails
傳回類型
例外狀況
範例
依識別碼取得分類器。
my_classifier = document_model_admin_client.get_document_classifier(
classifier_id=classifier_model.classifier_id
)
print(f"\nClassifier ID: {my_classifier.classifier_id}")
print(f"Description: {my_classifier.description}")
print(f"Classifier created on: {my_classifier.created_on}")
get_document_model
依識別碼取得檔模型。
get_document_model(model_id: str, **kwargs: Any) -> DocumentModelDetails
參數
傳回
DocumentModelDetails
傳回類型
例外狀況
範例
依識別碼取得模型。
my_model = document_model_admin_client.get_document_model(model_id=model.model_id)
print(f"\nModel ID: {my_model.model_id}")
print(f"Description: {my_model.description}")
print(f"Model created on: {my_model.created_on}")
print(f"Model expires on: {my_model.expires_on}")
get_operation
依識別碼取得作業。
取得與表格辨識器資源相關聯的作業。 請注意,作業資訊只會持續 24 小時。 如果檔模型作業成功,可以使用 或 list_document_models API 來存取 get_document_model 模型。
get_operation(operation_id: str, **kwargs: Any) -> OperationDetails
參數
傳回
OperationDetails
傳回類型
例外狀況
範例
依識別碼取得檔模型作業。
# Get an operation by ID
if operations:
print(f"\nGetting operation info by ID: {operations[0].operation_id}")
operation_info = document_model_admin_client.get_operation(
operations[0].operation_id
)
if operation_info.status == "succeeded":
print(f"My {operation_info.kind} operation is completed.")
result = operation_info.result
if result is not None:
if operation_info.kind == "documentClassifierBuild":
print(f"Classifier ID: {result.classifier_id}")
else:
print(f"Model ID: {result.model_id}")
elif operation_info.status == "failed":
print(f"My {operation_info.kind} operation failed.")
error = operation_info.error
if error is not None:
print(f"{error.code}: {error.message}")
else:
print(f"My operation status is {operation_info.status}")
else:
print("No operations found.")
get_resource_details
取得表格辨識器資源下模型的相關資訊。
get_resource_details(**kwargs: Any) -> ResourceDetails
傳回
資源下的自訂模型摘要 - 模型計數和限制。
傳回類型
例外狀況
範例
取得表格辨識器資源下的模型計數和限制。
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
account_details = document_model_admin_client.get_resource_details()
print(
f"Our resource has {account_details.custom_document_models.count} custom models, "
f"and we can have at most {account_details.custom_document_models.limit} custom models"
)
neural_models = account_details.neural_document_model_quota
print(
f"The quota limit for custom neural document models is {neural_models.quota} and the resource has"
f"used {neural_models.used}. The resource quota will reset on {neural_models.quota_resets_on}"
)
list_document_classifiers
列出每個檔分類器的資訊,包括其分類器識別碼、描述,以及建立時間。
2023-07-31 版的新功能: list_document_classifiers 用戶端方法。
list_document_classifiers(**kwargs: Any) -> ItemPaged[DocumentClassifierDetails]
傳回
DocumentClassifierDetails 的可分頁。
傳回類型
例外狀況
範例
列出表格辨識器資源下成功建置的所有分類器。
classifiers = document_model_admin_client.list_document_classifiers()
print("We have the following 'ready' models with IDs and descriptions:")
for classifier in classifiers:
print(f"{classifier.classifier_id} | {classifier.description}")
list_document_models
列出每個模型的資訊,包括其模型識別碼、描述,以及建立時。
list_document_models(**kwargs: Any) -> ItemPaged[DocumentModelSummary]
傳回
DocumentModelSummary 的可分頁。
傳回類型
例外狀況
範例
列出表格辨識器資源下成功建置的所有模型。
models = document_model_admin_client.list_document_models()
print("We have the following 'ready' models with IDs and descriptions:")
for model in models:
print(f"{model.model_id} | {model.description}")
list_operations
列出每個作業的資訊。
列出與表格辨識器資源相關聯的所有作業。 請注意,作業資訊只會持續 24 小時。 如果檔模型作業成功,可以使用 或 list_document_models API 來存取 get_document_model 檔模型。
list_operations(**kwargs: Any) -> ItemPaged[OperationSummary]
傳回
OperationSummary 的可分頁。
傳回類型
例外狀況
範例
列出過去 24 小時內的所有檔模型作業。
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
operations = list(document_model_admin_client.list_operations())
print("The following document model operations exist under my resource:")
for operation in operations:
print(f"\nOperation ID: {operation.operation_id}")
print(f"Operation kind: {operation.kind}")
print(f"Operation status: {operation.status}")
print(f"Operation percent completed: {operation.percent_completed}")
print(f"Operation created on: {operation.created_on}")
print(f"Operation last updated on: {operation.last_updated_on}")
print(
f"Resource location of successful operation: {operation.resource_location}"
)
send_request
使用用戶端的現有管線執行網路要求。
要求 URL 可以相對於基底 URL。 除非另有指定,否則用於要求的服務 API 版本與用戶端的版本相同。 使用 API 2022-08-31 版和更新版本,支援在相對 URL 中覆寫用戶端的已設定 API 版本。 以任何 API 版本在用戶端上支援的絕對 URL 中覆寫。 如果回應為錯誤,則這個方法不會引發;若要引發例外狀況,請在傳回的回應物件上呼叫 raise_for_status () 。 如需如何使用此方法傳送自訂要求的詳細資訊,請參閱 https://aka.ms/azsdk/dpcodegen/python/send_request 。
send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> HttpResponse
參數
- stream
- bool
是否要串流回應承載。 預設為 False。
傳回
網路呼叫的回應。 不會對回應執行錯誤處理。
傳回類型
例外狀況
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應