Datos del documento

Los datos del documento son un recurso que sirve tanto como variable de entrada como de salida, dentro de tus flujos de trabajo de Document Understanding. El objeto Datos del documento contiene toda la información necesaria sobre un solo documento. Si clasificas un documento, el objeto incluye el Tipo de documento. Si extraes datos, el objeto contiene los campos extraídos correspondientes. Independientemente de la actividad, los datos del documento contienen de forma coherente el texto del documento y el DOM (modelo de objeto del documento).

Con Datos de documento puedes: recopilar toda la información necesaria sobre un documento en una variable, guardar datos en cada propiedad del objeto y reutilizarlos para otras actividades en el flujo de trabajo.

Los datos del documento contienen información sobre los siguientes atributos:

• TipoDeDocumento: proporciona datos sobre el tipo de documento identificado, rellenados por actividades como Clasificar documento o Crear tarea de validación de clasificación.
• Datos: contiene los valores de campo extraídos. Se genera bajo demanda por la propiedad Generar datos , que genera un tipo de salida de IDocumentData<ExtractorType>. Cuando la propiedad Generar datos está establecida en False, puedes acceder a los valores de campo extraídos solo a través de métodos de tipo Get.
• DetallesDeArchivo: contiene detalles sobre IResource.
• SubDocumentos: incluye una colección de datos de documentos, rellenada por actividades como Crear tarea de validación de clasificación.
• MetadatosDeDocumento: contiene información sobre el procesamiento del documento, como:
  • Idioma del texto detectado
  • Campos extraídos como tabla de datos
  • Modelo de objeto de documento (DOM): contiene el modelo de objeto de documento que utilizan todas las actividades.
  Los MetadatosDeDocumento son actualizados por la actividad que primero procesa el documento. Una vez rellenados, los metadatos se comparten y utilizan con todas las actividades posteriores que reciben el objeto Datos del documento.
  Consejo: a menos que una actividad sea la primera parte de la actividad de Document Understanding de un flujo de trabajo de Studio, utiliza Datos del document como entrada. Utiliza la variable Archivo como entrada solo si la actividad es la primera parte de Document Understanding de un flujo de trabajo de Studio.

Comprender y acceder a los datos

Los Datos del documento contienen información detallada sobre los resultados de la extracción. Los datos pueden ser de dos tipos, dependiendo de si eliges generarlos bajo demanda, para que puedas utilizarlos en tu flujo de trabajo, o no generarlos, para que puedas realizar métodos get y set en ellos, diseñados para implementaciones avanzadas, para aumentar la flexibilidad.

La propiedad Generar tipo de datos en la actividad Extraer datos del documento te permite elegir si generas los datos bajo demanda o no. Consulta los siguientes escenarios:

• Cuando estableces Generar tipo de datos en True (la configuración predeterminada): los datos del documento se emiten como IDocumentData<ExtractorType>. Estos datos se generan bajo demanda y cambian en función de las modificaciones realizadas en la actividad Extraer datos del documento. Con esta configuración, no puedes cambiar el tipo de documento en la Estación de validación, y JIT (Just in Time) está seleccionado de forma predeterminada.
• Cuando estableces Generar tipo de datos en False: Salidas de datos de documentos como IDocumentData<DictionaryData>. Con esta configuración, la propiedad Datos del documento ya no se generará y no podrás navegar por ella.

  Puedes acceder a sus datos utilizando métodos específicos, dependiendo del ID de campo. Estos ID están disponibles al configurar el tipo de documento o al recuperar la información mediante las API. Visita Editar o añadir nuevos campos y Obtener la API de solicitud de extracción para obtener más información.

  • Cuando estableces Generar tipo de datos en False para la extracción generativa, los campos recuperados corresponden a los nombres proporcionados en la solicitud. Por ejemplo, si el nombre del campo en la solicitud se define como a b c (incluidos los espacios), debes utilizar el mismo como ID de campo al utilizar los métodos específicos.

Pasar datos de documentos a actividades

Cuando utilizas Datos de documento, el primer objeto de salida se crea a partir de tu archivo de entrada. Después de crear este objeto, te recomendamos que lo pases a tus próximas actividades. Al pasarlo a tus próximas actividades, puedes reutilizar el Texto y el DOM de tu archivo original. Este enfoque evita tener que volver a digitalizar el archivo cada vez.

Consumir los resultados de la extracción para campos de valor único y multivalor

Si configuras un campo de tipo de documento para que tenga varios valores, el sistema espera varios valores. Un ejemplo podría ser una pregunta de opción múltiple en un formulario. Los resultados aparecen en el atributo multivalor del campo, devuelto como una lista. Si el campo de tipo de documento está configurado para ser de valor único, el sistema devuelve el resultado en el atributo de valor del campo de forma predeterminada.

La siguiente tabla muestra cómo los datos del documento devuelven campos de valor único y multivalor:

Tabla 1. Los valores devueltos por los datos de Document para campos únicos y multivalor

Tipo de campo	no tiene valor	Tiene un valor	Tiene dos o más valores	DocumentData.Data.FieldName.Value	DocumentData.Data.FieldName.MultiValues
Valor único	Sí	No	N/D	""	null
Valor único	No	Sí	N/D	<value that was identified><valor que se identificó>	null
Valor múltiple	Sí	No	No	""	[] (matriz vacía)
Valor múltiple	No	Sí	No	<value that was identified><valor que se identificó>	[<matriz con un valor idéntico al .Value>]
Valor múltiple	No	No	Sí	<first value that was identified><primer valor que se identificó>	[<matriz con valores n , siendo el primer valor idéntico al .Value>]

Devolver campos extraídos como una tabla de datos

Puedes devolver los campos que extrajiste de un documento como una tabla de datos, utilizando el objeto Datos del documento. A continuación, puedes utilizar la variable Tabla de datos dentro de las actividades de Excel.

Para devolver los campos extraídos como una tabla de datos, elige la salida ResultsAsDatatable para la actividad Extraer datos del documento .

Propiedades

Las propiedades de la variable Datos del documento pueden rellenarse y consumirse por una o varias actividades. Dependiendo de la actividad que rellena la variable, las propiedades pueden diferir. Consulta la siguiente lista:

• TipoDeDocumento : la actividad Clasificar documento rellena los siguientes valores:
  • NombreParaMostrar (utilizado para modelos personalizados): nombre del tipo de documento.
  • ID (utilizado para modelos listos para usar): nombre del tipo de documento.
  • Confianza: Confianza de la clasificación.
  • URL: URL desde la que se puede acceder al tipo de documento; esto puede ser personalizado o predefinido, referenciado a través del proyecto respectivo en el centro de Document Understanding.
• Los campos - Extraer datos del documento, Crear tarea de validación, Crear tarea de validación y Esperar, Esperar tarea de validación y Reanudar actividades rellenan los siguientes valores:
  • Valor del campo: valor de extracción del campo.
  • Puntuación de confianza de la extracción: puntuación de confianza de la extracción, tal y como la proporciona el modelo.
  • Puntuación de confianza de OCR: puntuación de confianza proporcionada por el motor OCR.
• Detalles del archivo : las actividades que crean el objeto Datos del documento y reciben un archivo como entrada rellenan los siguientes valores:
  • Nombre completo: nombre completo del archivo.
  • Extensión: extensión del archivo.
  • Rango de páginas: rango de páginas del archivo.
• Subdocumentos: colección de datos de documentos, rellenada por la actividad Clasificar documento .
  Nota: esto no se rellena actualmente y se añadirá en el futuro junto con las capacidades de validación de clasificación y división.
• DocumentMetaData:
  • DOM: el modelo de objeto de documento, utilizado por todas las actividades. (rellenado por actividades que crean el objeto Datos de documento, recibiendo un archivo como entrada).
  • Texto: todo el texto extraído. (rellenado por actividades que crean el objeto Datos de documento, recibiendo un archivo como entrada).
  • Idioma: el idioma detectado en el documento. (rellenado por actividades que crean el objeto Datos de documento, recibiendo un archivo como entrada).
  • Confianza dividida: si el documento está dividido, el modelo de división devuelve el documento. (rellenado por la actividad Clasificar documento )
    Nota: esto no se rellena actualmente y se añadirá en el futuro junto con las capacidades de validación de clasificación y división.
  • Resultados como tablas de datos: campos exportados como tabla de datos. (rellenado por la actividad Extraer datos del documento ).