Extracción de datos basada en anclaje usando extractor de formulario inteligente

El siguiente ejemplo explica cómo extraer datos de un formulario que también puede incluir texto escrito a mano. El siguiente escenario de caso de uso explica cómo extraer datos de una orden de compra.

Presenta actividades como Digitalizar documento, Ámbito de extracción de datoso Extractor inteligente de formularios. Puedes encontrar estas actividades en el paquete UiPath.IntelligentOCR.Activities .

Crear el flujo de trabajo

Los siguientes paquetes deben instalarse antes de crear el siguiente flujo de trabajo:

• UiPath.DocumentProcessing.Contracts.Activities
• UiPath.IntelligentOCR.Activities
• UiPath.OCR.Activities
• UiPath.OCR.Contracts
• UiPath.WebApi.Activities

Así es como se puede construir el proceso de automatización: </summy>

Así es como se puede construir el proceso de automatización:

1. Abre Studio y crea un nuevo Proceso.

2. Arrastra un contenedor de Secuencia en el Diseñador de flujode trabajo, asígnele el nombre Secuencia1y cree las siguientes variables:

   Nombre de la variable	Tipo de variable	Valor predeterminado
   item	Cadena
   classificationResult	ClassificationResult[]
   outputFileName	ValorGenérico

3. Arrastra otro contenedor Secuencia en el Diseñador de flujode trabajo, debajo del primero, asígnele el nombre Secuencia2y cree las siguientes variables:

   Nombre de la variable	Tipo de variable	Valor predeterminado
   text	Cadena
   taxonomy	DocumentTaxonomy
   dom	Documento
   documentPath	Cadena
   classificationResult2	ClassificationResult[]
   outputFileName2	ValorGenérico

4. Añade una actividad de Cuadro de mensajes dentro de la secuencia.

   • En el panel de Propiedades , selecciona la opción Aceptar en el menú desplegable Botones . Añade el siguiente mensaje en el campo Texto : "Seleccionar archivo PDF".

5. Selecciona la casilla de verificación de la opción EncimaDelTodo. Esto trae el cuadro de mensaje al primer plano.

6. Añade una actividad Seleccionar archivo debajo de la actividad Cuadro de mensaje.

   • En el panel Propiedades , añada el siguiente texto en el campo Filtro: Pdf files (*.pdf)|*.pdf
   • Añade la variable documentPath en el campo ArchivoSeleccionado .

7. Añade una actividad Asignar debajo de la actividad Seleccionar Archivo.

   • Añade la variable outputFileName2 en el campo Para .
   • Agrega la expresión ".temp/" + Path.GetFileName(documentPath) en el campo Valor.

8. Añade una actividad deserializar JSON debajo de la actividad Asignar .

   • Añade la expresión File.ReadAllText("DocumentProcessing axonomy.json") en el campo Cadena JSON.
   • En el panel Propiedades , selecciona la opción UiPath.DocumentProcessing.Contracts.Taxonomía.DocumentoTaxonomía en la lista desplegable TypeArgument .
   • Añade la variable taxonomy en el campo ObjetoJson.

9. Añade una actividad Digitalizar documento debajo de la actividad Deserializar JSON .

   • En panel Propiedades añade el valor 1en el campo GradoDeParalelismo.
   • Añade la variable documentPath en el campo RutaDelDocumento .
   • Añade la variable dom en el campo ModeloDeObjetoDelDocumento.
   • Añade la variable text en el campo TextoDeDocumento.
   • Add the UiPath® Document OCR engine inside the activity.
   • Agrega tu clave de API dentro del campo ClaveDeAPI .
   • Añade la expresión "https://du.uipath.com/ocr" en el campo Punto final .

10. Añade una actividad Escribir archivo de texto debajo de la actividad Digitalizar documento .

    • Añade la expresión JsonConvert.SerializeObject(dom) en el campo Texto.
    • Añade la expresión outputFileName2 + ".dom.json" en el campo NombreDeArchivo.

11. Añade otra actividad Escribir archivo de texto debajo de la actividad Escribir archivo de texto .

    • Añade la variable text en el campo Texto.
    • Añade la expresión outputFileName2 + ".text.txt" en el campo NombreDeArchivo.

12. Arrastra otro contenedor Secuencia hasta el Diseñador de flujo de trabajo, asígnale el nombre Secuencia3 y crea las siguientes variables:

    Nombre de la variable	Tipo de variable	Valor predeterminado
    extractionResult	ResultadoDeExtracción
    validatedResults	ResultadoDeExtracción
    doubleValidatedResults	ResultadoDeExtracción
    dataset	ConjuntoDeDatos
    i	Int32

13. Añade una actividad Ámbito de extracción dentro de Sequence3.

    • En el panel Propiedades , añade la variable dom en el campo ModeloDeObjetoDeDocumento .
    • Añade la variable documentPath en el campo RutaDelDocumento .
    • Añade la variable text en el campo TextoDeDocumento.
    • Añade la expresión "All.Benchmarks.Invoice" en el campo DocumentTypeId .
    • Añade la variable taxonomy en el campo Taxonomía.
    • Añade la variable extractionResult en el campo ResultadosDeExtracción .

14. Añade una actividad Extractor inteligente de formularios dentro de la actividad Ámbito de extracción de datos .

    • Añade tu clave API en el campo ClaveApi.

15. Agrega una actividad Escribir archivo de texto debajo de la actividad Ámbito de extracción de datos .

    • Añade la expresión JsonConvert.SerializeObject(extractionResult) en el campo Texto.
    • Añade la expresión outputFileName2 + ".results.json" en el campo NombreDeArchivo.

16. Agrega una actividad Mostrar estación de validación debajo de la actividad Escribir archivo de texto .

    • Añade la variable extractionResult en el campo ResultadosDeExtracciónAutomática.
    • Añade la variable dom en el campo ModeloDeObjetoDelDocumento.
    • Añade la variable documentPath en el campo RutaDelDocumento .
    • Añade la variable text en el campo TextoDeDocumento.
    • Añade la variable taxonomy en el campo Taxonomía.
    • Añade la variable validatedResults en el campo ResultadosDeExtracciónValidados.

17. Añade una actividad Escribir archivo de texto debajo de la actividad Mostrar estación de validación .

    • Añade la expresión JsonConvert.SerializeObject(validatedResults) en el campo Texto.
    • Añade la expresión outputFileName2 + ".savedinVS.results.json" en el campo NombreDeArchivo.

18. Añade otra actividad Escribir archivo de texto debajo de la actividad Escribir archivo de texto .

    • Añade la expresión JsonConvert.SerializeObject(doubleValidatedResults) en el campo Texto.
    • Añade la expresión outputFileName2 + ".doubleSavedinVS.results.json" en el campo NombreDeArchivo.
19. Ejecuta el proceso. El proceso de automatización debe abrir la Estación de validación, extraer los datos, validarlos y almacenarlos en la carpeta de Salida.

Descarga el ejemplo desde aquí.

Definiendo su taxonomía

Ha creado su flujo de trabajo, definido todas las variables y personalizado todas las actividades. Ahora es el momento de definir su taxonomía. Para ello, sigue los pasos descritos aquí.

Cree su taxonomía para poder extraer información de una factura. Debe centrarse en crear un tipo de documento de factura , con los siguientes campos:

Nombre del campo	Tipo de campo
FacturaNo	Text
Subtotal	Number
Impuestos sobre las ventas	Number
Total	Number

Así es como debe verse su taxonomía:

Crear tu plantilla

Ahora es el momento de crear la plantilla para el proceso de extracción. Créelo siguiendo las instrucciones aquí.

El siguiente gif explica cómo crear la plantilla:

Establecer anclajes en la plantilla

Los anclajes son una característica muy especial y útil que se puede utilizar cuando se necesita extraer información precisa de un documento. Al definir un área de extracción con un anclaje, puede esperar una alta precisión en la extracción de datos.

Los siguientes GIF explican cómo usar los anclajes en el documento de factura utilizado en el ejemplo anterior. Puedes encontrar más información sobre los anclajes aquí.

Una vez definida la taxonomía y creada la plantilla, puedes empezar a configurar la plantilla mediante el uso de anclajes, lo que significa que el área de extracción se define en un cuadro y los anclajes se utilizan para definir la posición del cuadro.

Aquí tiene algunas sugerencias antes de empezar a añadir anclajes a su plantilla:

• El cuadro de anclaje debe ser lo más grande posible (alto, ancho) para cubrir cualquier tipo de número de factura, fuente larga, corta, grande, etc.
• Un área de extracción puede tener tantos anclajes como sea necesario, pero solo uno definido como principal (el primero).
• Utilice anclajes formados por varias palabras en paralelo.
• El anclaje principal debe estar lo más cerca posible del área de extracción.
• Las posiciones del área de extracción y el anclaje principal se fijan en la plantilla, incluso cuando se aplican a diferentes documentos. Lo único que puede variar es la distancia entre el anclaje principal y los secundarios.

Continuemos configurando la plantilla y veamos cómo puede extraer datos usando un anclaje. Los siguientes GIF explican cómo marcar el área de extracción y agregar los anclajes principales y secundarios.

• Establecer el área de extracción

  
  

  

  
  
  Nota:

  El anclaje principal debe contener dos o tres palabras para una alta precisión y mejores resultados en el proceso de extracción.

  Seleccione varias palabras al etiquetar un anclaje presionando CTRL y haciendo clic en las palabras deseadas.

• Establecer el anclaje principal

  
  

  

  
  

• Establecer los anclajes secundarios

  
  

  

  
  

Repite el proceso hasta que hayas terminado de definir todas las áreas de extracción y añadir todos los anclajes. Una vez terminado, guarde la plantilla.