Condividi tramite


FormRecognizerClient Classe

FormRecognizerClient estrae informazioni da moduli e immagini in dati strutturati. È l'interfaccia da usare per l'analisi con modelli predefiniti (ricevute, biglietti da visita, fatture, documenti di identità), riconoscimento di contenuto/layout da moduli e analisi di moduli personalizzati da modelli sottoposti a training. Fornisce metodi diversi in base agli input di un URL e agli input di un flusso.

Nota

FormRecognizerClient deve essere usato con le versioni <dell'API =v2.1.

Per usare le versioni API 2022-08-31 e successive, creare un'istanza di DocumentAnalysisClient.

Ereditarietà
azure.ai.formrecognizer._form_base_client.FormRecognizerClientBase
FormRecognizerClient

Costruttore

FormRecognizerClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)

Parametri

endpoint
str
Necessario

Endpoint di Servizi cognitivi supportati (protocollo e nome host, ad esempio: https://westus2.api.cognitive.microsoft.com).

credential
AzureKeyCredential oppure TokenCredential
Necessario

Credenziali necessarie per la connessione del client ad Azure. Si tratta di un'istanza di AzureKeyCredential se si usa una chiave API o una credenziale token da identity.

api_version
str oppure FormRecognizerApiVersion

Versione API del servizio da usare per le richieste. Per impostazione predefinita, l'API versione 2.1 è predefinita. L'impostazione su una versione precedente può comportare una riduzione della compatibilità delle funzionalità. Per usare la versione e le funzionalità dell'API supportate più recenti, creare un'istanza di DocumentAnalysisClient.

Esempio

Creazione di FormRecognizerClient con un endpoint e una chiave API.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient
   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(endpoint, AzureKeyCredential(key))

Creazione di FormRecognizerClient con credenziali token.


   """DefaultAzureCredential will use the values from these environment
   variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
   """
   from azure.ai.formrecognizer import FormRecognizerClient
   from azure.identity import DefaultAzureCredential

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   credential = DefaultAzureCredential()

   form_recognizer_client = FormRecognizerClient(endpoint, credential)

Metodi

begin_recognize_business_cards

Estrarre il testo del campo e i valori semantici da un determinato biglietto da visita. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in un biglietto da visita qui: https://aka.ms/formrecognizer/businesscardfields

Novità nella versione 2.1: Metodo client begin_recognize_business_cards

begin_recognize_business_cards_from_url

Estrarre il testo del campo e i valori semantici da un determinato biglietto da visita. Il documento di input deve essere il percorso (URL) della scheda da analizzare.

Vedere i campi trovati in un biglietto da visita qui: https://aka.ms/formrecognizer/businesscardfields

Novità nella versione 2.1: Metodo client begin_recognize_business_cards_from_url

begin_recognize_content

Estrarre informazioni di testo e contenuto/layout da un documento specificato. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Novità nella versione 2.1: Le pagine, la lingua e reading_order argomenti delle parole chiave e il supporto per il contenuto image/bmp

begin_recognize_content_from_url

Estrarre informazioni di testo e layout da un documento specificato. Il documento di input deve essere il percorso (URL) del documento da analizzare.

Novità nella versione 2.1: Le pagine, la lingua e reading_order argomenti delle parole chiave e il supporto per il contenuto image/bmp

begin_recognize_custom_forms

Analizzare un modulo personalizzato con un modello sottoposto a training con o senza etichette. Il modulo da analizzare deve essere dello stesso tipo dei moduli usati per eseguire il training del modello. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

begin_recognize_custom_forms_from_url

Analizzare un modulo personalizzato con un modello sottoposto a training con o senza etichette. Il modulo da analizzare deve essere dello stesso tipo dei moduli usati per eseguire il training del modello. Il documento di input deve essere il percorso (URL) del documento da analizzare.

begin_recognize_identity_documents

Estrarre il testo del campo e i valori semantici da un documento di identità specificato. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in un documento di identità qui: https://aka.ms/formrecognizer/iddocumentfields

Novità nella versione 2.1: Metodo client begin_recognize_identity_documents

begin_recognize_identity_documents_from_url

Estrarre il testo del campo e i valori semantici da un documento di identità specificato. Il documento di input deve essere il percorso (URL) del documento di identità da analizzare.

Vedere i campi trovati in un documento di identità qui: https://aka.ms/formrecognizer/iddocumentfields

Novità nella versione 2.1: Metodo client begin_recognize_identity_documents_from_url

begin_recognize_invoices

Estrarre il testo del campo e i valori semantici da una fattura specificata. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in una fattura qui: https://aka.ms/formrecognizer/invoicefields

Novità nella versione 2.1: Metodo client begin_recognize_invoices

begin_recognize_invoices_from_url

Estrarre il testo del campo e i valori semantici da una fattura specificata. Il documento di input deve essere il percorso (URL) della fattura da analizzare.

Vedere i campi trovati in una scheda fattura qui: https://aka.ms/formrecognizer/invoicefields

Novità nella versione 2.1: Metodo client begin_recognize_invoices_from_url

begin_recognize_receipts

Estrarre il testo del campo e i valori semantici da una determinata ricevuta di vendita. Il documento di input deve essere di uno dei tipi di contenuto supportati: 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in una ricevuta qui: https://aka.ms/formrecognizer/receiptfields

Novità nella versione 2.1: Argomenti delle parole chiave delle impostazioni locali e pagine e supporto per il contenuto image/bmp

begin_recognize_receipts_from_url

Estrarre il testo del campo e i valori semantici da una determinata ricevuta di vendita. Il documento di input deve essere il percorso (URL) della ricevuta da analizzare.

Vedere i campi trovati in una ricevuta qui: https://aka.ms/formrecognizer/receiptfields

Novità nella versione 2.1: Argomenti delle parole chiave delle impostazioni locali e pagine e supporto per il contenuto image/bmp

close

Chiudere la FormRecognizerClient sessione.

send_request

Esegue una richiesta di rete usando la pipeline esistente del client.

L'URL della richiesta può essere relativo all'URL di base. La versione dell'API del servizio usata per la richiesta è uguale a quella del client, se non diversamente specificato. L'override della versione dell'API configurata del client nell'URL relativo è supportata nel client con l'API versione 2022-08-31 e successive. Override dell'URL assoluto supportato nel client con qualsiasi versione dell'API. Questo metodo non genera se la risposta è un errore; per generare un'eccezione, chiamare raise_for_status() sull'oggetto risposta restituito. Per altre informazioni su come inviare richieste personalizzate con questo metodo, vedere https://aka.ms/azsdk/dpcodegen/python/send_request.

begin_recognize_business_cards

Estrarre il testo del campo e i valori semantici da un determinato biglietto da visita. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in un biglietto da visita qui: https://aka.ms/formrecognizer/businesscardfields

Novità nella versione 2.1: Metodo client begin_recognize_business_cards

begin_recognize_business_cards(business_card: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

business_card
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

locale
str

Impostazioni locali del biglietto da visita. Le impostazioni locali supportate includono: en-US, en-AU, en-CA, en-GB e en-IN.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere i biglietti da visita da un file.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_business_cards(business_card=f, locale="en-US")
   business_cards = poller.result()

   for idx, business_card in enumerate(business_cards):
       print("--------Recognizing business card #{}--------".format(idx+1))
       contact_names = business_card.fields.get("ContactNames")
       if contact_names:
           for contact_name in contact_names.value:
               print("Contact First Name: {} has confidence: {}".format(
                   contact_name.value["FirstName"].value, contact_name.value["FirstName"].confidence
               ))
               print("Contact Last Name: {} has confidence: {}".format(
                   contact_name.value["LastName"].value, contact_name.value["LastName"].confidence
               ))
       company_names = business_card.fields.get("CompanyNames")
       if company_names:
           for company_name in company_names.value:
               print("Company Name: {} has confidence: {}".format(company_name.value, company_name.confidence))
       departments = business_card.fields.get("Departments")
       if departments:
           for department in departments.value:
               print("Department: {} has confidence: {}".format(department.value, department.confidence))
       job_titles = business_card.fields.get("JobTitles")
       if job_titles:
           for job_title in job_titles.value:
               print("Job Title: {} has confidence: {}".format(job_title.value, job_title.confidence))
       emails = business_card.fields.get("Emails")
       if emails:
           for email in emails.value:
               print("Email: {} has confidence: {}".format(email.value, email.confidence))
       websites = business_card.fields.get("Websites")
       if websites:
           for website in websites.value:
               print("Website: {} has confidence: {}".format(website.value, website.confidence))
       addresses = business_card.fields.get("Addresses")
       if addresses:
           for address in addresses.value:
               print("Address: {} has confidence: {}".format(address.value, address.confidence))
       mobile_phones = business_card.fields.get("MobilePhones")
       if mobile_phones:
           for phone in mobile_phones.value:
               print("Mobile phone number: {} has confidence: {}".format(phone.value, phone.confidence))
       faxes = business_card.fields.get("Faxes")
       if faxes:
           for fax in faxes.value:
               print("Fax number: {} has confidence: {}".format(fax.value, fax.confidence))
       work_phones = business_card.fields.get("WorkPhones")
       if work_phones:
           for work_phone in work_phones.value:
               print("Work phone number: {} has confidence: {}".format(work_phone.value, work_phone.confidence))
       other_phones = business_card.fields.get("OtherPhones")
       if other_phones:
           for other_phone in other_phones.value:
               print("Other phone number: {} has confidence: {}".format(other_phone.value, other_phone.confidence))

begin_recognize_business_cards_from_url

Estrarre il testo del campo e i valori semantici da un determinato biglietto da visita. Il documento di input deve essere il percorso (URL) della scheda da analizzare.

Vedere i campi trovati in un biglietto da visita qui: https://aka.ms/formrecognizer/businesscardfields

Novità nella versione 2.1: Metodo client begin_recognize_business_cards_from_url

begin_recognize_business_cards_from_url(business_card_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

business_card_url
str
Necessario

URL del biglietto da visita da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

locale
str

Impostazioni locali del biglietto da visita. Le impostazioni locali supportate includono: en-US, en-AU, en-CA, en-GB e en-IN.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

begin_recognize_content

Estrarre informazioni di testo e contenuto/layout da un documento specificato. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Novità nella versione 2.1: Le pagine, la lingua e reading_order argomenti delle parole chiave e il supporto per il contenuto image/bmp

begin_recognize_content(form: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[FormPage]]

Parametri

form
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

language
str

Codice del linguaggio BCP-47 del testo nel documento. Vedere i codici di lingua supportati qui: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Il contenuto supporta l'identificazione automatica della lingua e i documenti multilanguage, quindi specificare solo un codice linguistico se si vuole forzare l'elaborazione del documento come lingua specifica.

reading_order
str

Algoritmo di lettura dell'ordine per ordinare le righe di testo restituite. Gli ordini di lettura supportati includono: basic (impostazione predefinita), naturale. Impostare 'basic' per ordinare le righe a sinistra verso destra e in alto verso il basso, anche se in alcuni casi la prossimità viene trattata con priorità superiore. Impostare "naturale" per ordinare le righe usando le informazioni posizionale per mantenere insieme le righe vicine.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[FormPage].

Tipo restituito

Eccezioni

Esempio

Riconoscere le informazioni di testo e contenuto/layout da un modulo.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(endpoint=endpoint, credential=AzureKeyCredential(key))
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_content(form=f)
   form_pages = poller.result()

   for idx, content in enumerate(form_pages):
       print("----Recognizing content from page #{}----".format(idx+1))
       print("Page has width: {} and height: {}, measured with unit: {}".format(
           content.width,
           content.height,
           content.unit
       ))
       for table_idx, table in enumerate(content.tables):
           print("Table # {} has {} rows and {} columns".format(table_idx, table.row_count, table.column_count))
           print("Table # {} location on page: {}".format(table_idx, format_bounding_box(table.bounding_box)))
           for cell in table.cells:
               print("...Cell[{}][{}] has text '{}' within bounding box '{}'".format(
                   cell.row_index,
                   cell.column_index,
                   cell.text,
                   format_bounding_box(cell.bounding_box)
               ))

       for line_idx, line in enumerate(content.lines):
           print("Line # {} has word count '{}' and text '{}' within bounding box '{}'".format(
               line_idx,
               len(line.words),
               line.text,
               format_bounding_box(line.bounding_box)
           ))
           if line.appearance:
               if line.appearance.style_name == "handwriting" and line.appearance.style_confidence > 0.8:
                   print("Text line '{}' is handwritten and might be a signature.".format(line.text))
           for word in line.words:
               print("...Word '{}' has a confidence of {}".format(word.text, word.confidence))

       for selection_mark in content.selection_marks:
           print("Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
               selection_mark.state,
               format_bounding_box(selection_mark.bounding_box),
               selection_mark.confidence
           ))
       print("----------------------------------------")


begin_recognize_content_from_url

Estrarre informazioni di testo e layout da un documento specificato. Il documento di input deve essere il percorso (URL) del documento da analizzare.

Novità nella versione 2.1: Le pagine, la lingua e reading_order argomenti delle parole chiave e il supporto per il contenuto image/bmp

begin_recognize_content_from_url(form_url: str, **kwargs: Any) -> LROPoller[List[FormPage]]

Parametri

form_url
str
Necessario

URL del modulo da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

language
str

Codice del linguaggio BCP-47 del testo nel documento. Vedere i codici di lingua supportati qui: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Il contenuto supporta l'identificazione automatica della lingua e i documenti multilanguage, quindi specificare solo un codice linguistico se si vuole forzare l'elaborazione del documento come lingua specifica.

reading_order
str

Algoritmo di lettura dell'ordine per ordinare le righe di testo restituite. Gli ordini di lettura supportati includono: basic (impostazione predefinita), naturale. Impostare 'basic' per ordinare le righe a sinistra verso destra e in alto verso il basso, anche se in alcuni casi la prossimità viene trattata con priorità superiore. Impostare "naturale" per ordinare le righe usando le informazioni posizionale per mantenere insieme le righe vicine.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[FormPage].

Tipo restituito

Eccezioni

begin_recognize_custom_forms

Analizzare un modulo personalizzato con un modello sottoposto a training con o senza etichette. Il modulo da analizzare deve essere dello stesso tipo dei moduli usati per eseguire il training del modello. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

begin_recognize_custom_forms(model_id: str, form: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

model_id
str
Necessario

Identificatore di modello personalizzato.

form
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere campi e valori da un modulo personalizzato.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
   model_id = os.getenv("CUSTOM_TRAINED_MODEL_ID", custom_model_id)

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )

   # Make sure your form's type is included in the list of form types the custom model can recognize
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_custom_forms(
           model_id=model_id, form=f, include_field_elements=True
       )
   forms = poller.result()

   for idx, form in enumerate(forms):
       print("--------Recognizing Form #{}--------".format(idx+1))
       print("Form has type {}".format(form.form_type))
       print("Form has form type confidence {}".format(form.form_type_confidence))
       print("Form was analyzed with model with ID {}".format(form.model_id))
       for name, field in form.fields.items():
           # each field is of type FormField
           # label_data is populated if you are using a model trained without labels,
           # since the service needs to make predictions for labels if not explicitly given to it.
           if field.label_data:
               print("...Field '{}' has label '{}' with a confidence score of {}".format(
                   name,
                   field.label_data.text,
                   field.confidence
               ))

           print("...Label '{}' has value '{}' with a confidence score of {}".format(
               field.label_data.text if field.label_data else name, field.value, field.confidence
           ))

       # iterate over tables, lines, and selection marks on each page
       for page in form.pages:
           for i, table in enumerate(page.tables):
               print("\nTable {} on page {}".format(i+1, table.page_number))
               for cell in table.cells:
                   print("...Cell[{}][{}] has text '{}' with confidence {}".format(
                       cell.row_index, cell.column_index, cell.text, cell.confidence
                   ))
           print("\nLines found on page {}".format(page.page_number))
           for line in page.lines:
               print("...Line '{}' is made up of the following words: ".format(line.text))
               for word in line.words:
                   print("......Word '{}' has a confidence of {}".format(
                       word.text,
                       word.confidence
                   ))
           if page.selection_marks:
               print("\nSelection marks found on page {}".format(page.page_number))
               for selection_mark in page.selection_marks:
                   print("......Selection mark is '{}' and has a confidence of {}".format(
                       selection_mark.state,
                       selection_mark.confidence
                   ))

       print("-----------------------------------")

begin_recognize_custom_forms_from_url

Analizzare un modulo personalizzato con un modello sottoposto a training con o senza etichette. Il modulo da analizzare deve essere dello stesso tipo dei moduli usati per eseguire il training del modello. Il documento di input deve essere il percorso (URL) del documento da analizzare.

begin_recognize_custom_forms_from_url(model_id: str, form_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

model_id
str
Necessario

Identificatore di modello personalizzato.

form_url
str
Necessario

URL del modulo da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

begin_recognize_identity_documents

Estrarre il testo del campo e i valori semantici da un documento di identità specificato. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in un documento di identità qui: https://aka.ms/formrecognizer/iddocumentfields

Novità nella versione 2.1: Metodo client begin_recognize_identity_documents

begin_recognize_identity_documents(identity_document: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

identity_document
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere i campi del documento di identità.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_identity_documents(identity_document=f)
   id_documents = poller.result()

   for idx, id_document in enumerate(id_documents):
       print("--------Recognizing ID document #{}--------".format(idx+1))
       first_name = id_document.fields.get("FirstName")
       if first_name:
           print("First Name: {} has confidence: {}".format(first_name.value, first_name.confidence))
       last_name = id_document.fields.get("LastName")
       if last_name:
           print("Last Name: {} has confidence: {}".format(last_name.value, last_name.confidence))
       document_number = id_document.fields.get("DocumentNumber")
       if document_number:
           print("Document Number: {} has confidence: {}".format(document_number.value, document_number.confidence))
       dob = id_document.fields.get("DateOfBirth")
       if dob:
           print("Date of Birth: {} has confidence: {}".format(dob.value, dob.confidence))
       doe = id_document.fields.get("DateOfExpiration")
       if doe:
           print("Date of Expiration: {} has confidence: {}".format(doe.value, doe.confidence))
       sex = id_document.fields.get("Sex")
       if sex:
           print("Sex: {} has confidence: {}".format(sex.value, sex.confidence))
       address = id_document.fields.get("Address")
       if address:
           print("Address: {} has confidence: {}".format(address.value, address.confidence))
       country_region = id_document.fields.get("CountryRegion")
       if country_region:
           print("Country/Region: {} has confidence: {}".format(country_region.value, country_region.confidence))
       region = id_document.fields.get("Region")
       if region:
           print("Region: {} has confidence: {}".format(region.value, region.confidence))

begin_recognize_identity_documents_from_url

Estrarre il testo del campo e i valori semantici da un documento di identità specificato. Il documento di input deve essere il percorso (URL) del documento di identità da analizzare.

Vedere i campi trovati in un documento di identità qui: https://aka.ms/formrecognizer/iddocumentfields

Novità nella versione 2.1: Metodo client begin_recognize_identity_documents_from_url

begin_recognize_identity_documents_from_url(identity_document_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

identity_document_url
str
Necessario

URL del documento di identità da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

begin_recognize_invoices

Estrarre il testo del campo e i valori semantici da una fattura specificata. Il documento di input deve essere di uno dei tipi di contenuto supportati : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in una fattura qui: https://aka.ms/formrecognizer/invoicefields

Novità nella versione 2.1: Metodo client begin_recognize_invoices

begin_recognize_invoices(invoice: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

invoice
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

locale
str

Impostazioni locali della fattura. Le impostazioni locali supportate includono: en-US

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere le fatture da un file.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_invoices(invoice=f, locale="en-US")
   invoices = poller.result()

   for idx, invoice in enumerate(invoices):
       print("--------Recognizing invoice #{}--------".format(idx+1))
       vendor_name = invoice.fields.get("VendorName")
       if vendor_name:
           print("Vendor Name: {} has confidence: {}".format(vendor_name.value, vendor_name.confidence))
       vendor_address = invoice.fields.get("VendorAddress")
       if vendor_address:
           print("Vendor Address: {} has confidence: {}".format(vendor_address.value, vendor_address.confidence))
       vendor_address_recipient = invoice.fields.get("VendorAddressRecipient")
       if vendor_address_recipient:
           print("Vendor Address Recipient: {} has confidence: {}".format(vendor_address_recipient.value, vendor_address_recipient.confidence))
       customer_name = invoice.fields.get("CustomerName")
       if customer_name:
           print("Customer Name: {} has confidence: {}".format(customer_name.value, customer_name.confidence))
       customer_id = invoice.fields.get("CustomerId")
       if customer_id:
           print("Customer Id: {} has confidence: {}".format(customer_id.value, customer_id.confidence))
       customer_address = invoice.fields.get("CustomerAddress")
       if customer_address:
           print("Customer Address: {} has confidence: {}".format(customer_address.value, customer_address.confidence))
       customer_address_recipient = invoice.fields.get("CustomerAddressRecipient")
       if customer_address_recipient:
           print("Customer Address Recipient: {} has confidence: {}".format(customer_address_recipient.value, customer_address_recipient.confidence))
       invoice_id = invoice.fields.get("InvoiceId")
       if invoice_id:
           print("Invoice Id: {} has confidence: {}".format(invoice_id.value, invoice_id.confidence))
       invoice_date = invoice.fields.get("InvoiceDate")
       if invoice_date:
           print("Invoice Date: {} has confidence: {}".format(invoice_date.value, invoice_date.confidence))
       invoice_total = invoice.fields.get("InvoiceTotal")
       if invoice_total:
           print("Invoice Total: {} has confidence: {}".format(invoice_total.value, invoice_total.confidence))
       due_date = invoice.fields.get("DueDate")
       if due_date:
           print("Due Date: {} has confidence: {}".format(due_date.value, due_date.confidence))
       purchase_order = invoice.fields.get("PurchaseOrder")
       if purchase_order:
           print("Purchase Order: {} has confidence: {}".format(purchase_order.value, purchase_order.confidence))
       billing_address = invoice.fields.get("BillingAddress")
       if billing_address:
           print("Billing Address: {} has confidence: {}".format(billing_address.value, billing_address.confidence))
       billing_address_recipient = invoice.fields.get("BillingAddressRecipient")
       if billing_address_recipient:
           print("Billing Address Recipient: {} has confidence: {}".format(billing_address_recipient.value, billing_address_recipient.confidence))
       shipping_address = invoice.fields.get("ShippingAddress")
       if shipping_address:
           print("Shipping Address: {} has confidence: {}".format(shipping_address.value, shipping_address.confidence))
       shipping_address_recipient = invoice.fields.get("ShippingAddressRecipient")
       if shipping_address_recipient:
           print("Shipping Address Recipient: {} has confidence: {}".format(shipping_address_recipient.value, shipping_address_recipient.confidence))
       print("Invoice items:")
       for idx, item in enumerate(invoice.fields.get("Items").value):
           print("...Item #{}".format(idx+1))
           item_description = item.value.get("Description")
           if item_description:
               print("......Description: {} has confidence: {}".format(item_description.value, item_description.confidence))
           item_quantity = item.value.get("Quantity")
           if item_quantity:
               print("......Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
           unit = item.value.get("Unit")
           if unit:
               print("......Unit: {} has confidence: {}".format(unit.value, unit.confidence))
           unit_price = item.value.get("UnitPrice")
           if unit_price:
               print("......Unit Price: {} has confidence: {}".format(unit_price.value, unit_price.confidence))
           product_code = item.value.get("ProductCode")
           if product_code:
               print("......Product Code: {} has confidence: {}".format(product_code.value, product_code.confidence))
           item_date = item.value.get("Date")
           if item_date:
               print("......Date: {} has confidence: {}".format(item_date.value, item_date.confidence))
           tax = item.value.get("Tax")
           if tax:
               print("......Tax: {} has confidence: {}".format(tax.value, tax.confidence))
           amount = item.value.get("Amount")
           if amount:
               print("......Amount: {} has confidence: {}".format(amount.value, amount.confidence))
       subtotal = invoice.fields.get("SubTotal")
       if subtotal:
           print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
       total_tax = invoice.fields.get("TotalTax")
       if total_tax:
           print("Total Tax: {} has confidence: {}".format(total_tax.value, total_tax.confidence))
       previous_unpaid_balance = invoice.fields.get("PreviousUnpaidBalance")
       if previous_unpaid_balance:
           print("Previous Unpaid Balance: {} has confidence: {}".format(previous_unpaid_balance.value, previous_unpaid_balance.confidence))
       amount_due = invoice.fields.get("AmountDue")
       if amount_due:
           print("Amount Due: {} has confidence: {}".format(amount_due.value, amount_due.confidence))
       service_start_date = invoice.fields.get("ServiceStartDate")
       if service_start_date:
           print("Service Start Date: {} has confidence: {}".format(service_start_date.value, service_start_date.confidence))
       service_end_date = invoice.fields.get("ServiceEndDate")
       if service_end_date:
           print("Service End Date: {} has confidence: {}".format(service_end_date.value, service_end_date.confidence))
       service_address = invoice.fields.get("ServiceAddress")
       if service_address:
           print("Service Address: {} has confidence: {}".format(service_address.value, service_address.confidence))
       service_address_recipient = invoice.fields.get("ServiceAddressRecipient")
       if service_address_recipient:
           print("Service Address Recipient: {} has confidence: {}".format(service_address_recipient.value, service_address_recipient.confidence))
       remittance_address = invoice.fields.get("RemittanceAddress")
       if remittance_address:
           print("Remittance Address: {} has confidence: {}".format(remittance_address.value, remittance_address.confidence))
       remittance_address_recipient = invoice.fields.get("RemittanceAddressRecipient")
       if remittance_address_recipient:
           print("Remittance Address Recipient: {} has confidence: {}".format(remittance_address_recipient.value, remittance_address_recipient.confidence))

begin_recognize_invoices_from_url

Estrarre il testo del campo e i valori semantici da una fattura specificata. Il documento di input deve essere il percorso (URL) della fattura da analizzare.

Vedere i campi trovati in una scheda fattura qui: https://aka.ms/formrecognizer/invoicefields

Novità nella versione 2.1: Metodo client begin_recognize_invoices_from_url

begin_recognize_invoices_from_url(invoice_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

invoice_url
str
Necessario

URL della fattura da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

locale
str

Impostazioni locali della fattura. Le impostazioni locali supportate includono: en-US

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine(PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

Restituisce

Istanza di un'istanza di LROPoller. Chiama result() nell'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

begin_recognize_receipts

Estrarre il testo del campo e i valori semantici da una determinata ricevuta di vendita. Il documento di input deve essere di uno dei tipi di contenuto supportati: 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' o 'image/bmp'.

Vedere i campi trovati in una ricevuta qui: https://aka.ms/formrecognizer/receiptfields

Novità nella versione 2.1: Argomenti delle parole chiave delle impostazioni locali e pagine e supporto per il contenuto image/bmp

begin_recognize_receipts(receipt: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

receipt
bytes oppure IO[bytes]
Necessario

Flusso o byte di tipo JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere tutte le righe per pagina e gli elementi del campo, ad esempio righe, parole e contrassegni di selezione per ogni campo modulo.

content_type
str oppure FormContentType

Tipo di contenuto del corpo inviato all'API. Il tipo di contenuto viene rilevato automaticamente, ma può essere sottoposto a override passando questo argomento di parola chiave. Per le opzioni, vedere FormContentType.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

locale
str

Impostazioni locali della ricevuta. Le impostazioni locali supportate includono: en-US, en-AU, en-CA, en-GB e en-IN.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine (PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

Restituisce

Istanza di un LROPoller. Chiamare result() sull'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere i campi di ricezione delle vendite.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   with open(path_to_sample_forms, "rb") as f:
       poller = form_recognizer_client.begin_recognize_receipts(receipt=f, locale="en-US")
   receipts = poller.result()

   for idx, receipt in enumerate(receipts):
       print("--------Recognizing receipt #{}--------".format(idx+1))
       receipt_type = receipt.fields.get("ReceiptType")
       if receipt_type:
           print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
       merchant_name = receipt.fields.get("MerchantName")
       if merchant_name:
           print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
       transaction_date = receipt.fields.get("TransactionDate")
       if transaction_date:
           print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
       if receipt.fields.get("Items"):
           print("Receipt items:")
           for idx, item in enumerate(receipt.fields.get("Items").value):
               print("...Item #{}".format(idx+1))
               item_name = item.value.get("Name")
               if item_name:
                   print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
               item_quantity = item.value.get("Quantity")
               if item_quantity:
                   print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
               item_price = item.value.get("Price")
               if item_price:
                   print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
               item_total_price = item.value.get("TotalPrice")
               if item_total_price:
                   print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
       subtotal = receipt.fields.get("Subtotal")
       if subtotal:
           print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
       tax = receipt.fields.get("Tax")
       if tax:
           print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
       tip = receipt.fields.get("Tip")
       if tip:
           print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
       total = receipt.fields.get("Total")
       if total:
           print("Total: {} has confidence: {}".format(total.value, total.confidence))
       print("--------------------------------------")

begin_recognize_receipts_from_url

Estrarre il testo del campo e i valori semantici da una determinata ricevuta di vendita. Il documento di input deve essere il percorso (URL) della ricevuta da analizzare.

Vedere i campi trovati in una ricevuta qui: https://aka.ms/formrecognizer/receiptfields

Novità nella versione 2.1: Argomenti delle parole chiave delle impostazioni locali e pagine e supporto per il contenuto image/bmp

begin_recognize_receipts_from_url(receipt_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]

Parametri

receipt_url
str
Necessario

URL della ricevuta da analizzare. L'input deve essere un URL valido e codificato di uno dei formati supportati: JPEG, PNG, PDF, TIFF o BMP.

include_field_elements
bool

Indica se includere o meno tutte le righe per pagina e gli elementi di campo, ad esempio righe, parole e segni di selezione per ogni campo modulo.

continuation_token
str

Token di continuazione per riavviare un poller da uno stato salvato.

locale
str

Impostazioni locali della ricevuta. Le impostazioni locali supportate includono: en-US, en-AU, en-CA, en-GB e en-IN.

pages
list[str]

Numeri di pagina personalizzati per documenti a più pagine (PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages=["1-3", "5-6"]. Separare ogni numero di pagina o intervallo con una virgola.

Restituisce

Istanza di un LROPoller. Chiamare result() sull'oggetto poller per restituire un elenco[RecognizedForm].

Tipo restituito

Eccezioni

Esempio

Riconoscere i campi ricevuti di vendita da un URL.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer import FormRecognizerClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   form_recognizer_client = FormRecognizerClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   url = "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/tests/sample_forms/receipt/contoso-receipt.png"
   poller = form_recognizer_client.begin_recognize_receipts_from_url(receipt_url=url)
   receipts = poller.result()

   for idx, receipt in enumerate(receipts):
       print("--------Recognizing receipt #{}--------".format(idx+1))
       receipt_type = receipt.fields.get("ReceiptType")
       if receipt_type:
           print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
       merchant_name = receipt.fields.get("MerchantName")
       if merchant_name:
           print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
       transaction_date = receipt.fields.get("TransactionDate")
       if transaction_date:
           print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
       if receipt.fields.get("Items"):
           print("Receipt items:")
           for idx, item in enumerate(receipt.fields.get("Items").value):
               print("...Item #{}".format(idx+1))
               item_name = item.value.get("Name")
               if item_name:
                   print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
               item_quantity = item.value.get("Quantity")
               if item_quantity:
                   print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
               item_price = item.value.get("Price")
               if item_price:
                   print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
               item_total_price = item.value.get("TotalPrice")
               if item_total_price:
                   print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
       subtotal = receipt.fields.get("Subtotal")
       if subtotal:
           print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
       tax = receipt.fields.get("Tax")
       if tax:
           print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
       tip = receipt.fields.get("Tip")
       if tip:
           print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
       total = receipt.fields.get("Total")
       if total:
           print("Total: {} has confidence: {}".format(total.value, total.confidence))
       print("--------------------------------------")

close

Chiudere la FormRecognizerClient sessione.

close() -> None

Eccezioni

send_request

Esegue una richiesta di rete usando la pipeline esistente del client.

L'URL della richiesta può essere relativo all'URL di base. La versione dell'API del servizio usata per la richiesta è uguale a quella del client, se non diversamente specificato. L'override della versione dell'API configurata del client nell'URL relativo è supportata nel client con l'API versione 2022-08-31 e successive. Override dell'URL assoluto supportato nel client con qualsiasi versione dell'API. Questo metodo non genera se la risposta è un errore; per generare un'eccezione, chiamare raise_for_status() sull'oggetto risposta restituito. Per altre informazioni su come inviare richieste personalizzate con questo metodo, vedere https://aka.ms/azsdk/dpcodegen/python/send_request.

send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> HttpResponse

Parametri

request
HttpRequest
Necessario

Richiesta di rete da effettuare.

stream
bool

Indica se il payload della risposta verrà trasmesso. Il valore predefinito è False.

Restituisce

Risposta della chiamata di rete. Non esegue la gestione degli errori nella risposta.

Tipo restituito

Eccezioni