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.FormRecognizerClientBaseFormRecognizerClient
Costruttore
FormRecognizerClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)
Parametri
- endpoint
- str
Endpoint di Servizi cognitivi supportati (protocollo e nome host, ad esempio: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential oppure TokenCredential
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
- 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.
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
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.
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
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
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.
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
- 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.
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
- form_url
- str
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.
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
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.
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
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.
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
- 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.
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
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.
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
- 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.
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
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.
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
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
- 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
Azure SDK for Python