Extraction de données basée sur des ancres à l'aide de l'Extracteur de formulaires intelligent

L'exemple ci-dessous explique comment extraire des données d'un formulaire pouvant également inclure du texte manuscrit. Le scénario de cas d'utilisation suivant explique comment extraire des données d'une commande d'achat.

Il présente des activités telles que Numériser le document ( Digitize Document), Étendue de l'extraction de données ( Data Extraction Scope) ou Extracteur de formulaires intelligents ( Intelligent Form Extractor). Vous pouvez trouver ces activités dans le package UiPath.IntelligentOCR.Activities .

Création du workflow

Les packages suivants doivent être installés avant de créer le workflow ci-dessous :

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

Voici comment le processus d'automatisation peut être construit :</summary>

Voici comment le processus d'automatisation peut être créé :

1. Ouvrez Studio et démarrez un nouveau Processus.

2. Faites glisser un conteneur Sequence dans le Concepteur de workflow, nommez-le Sequence1et créez les variables suivantes :

   Nom de variable	Types de variables	Valeur par défaut
   item	Chaîne de caractères (string)
   classificationResult	ClassificationResult[]
   outputFileName	ValeurGénérique

3. Faites glisser un autre conteneur Sequence dans le Concepteur de workflow, sous le premier, nommez-le Sequence2et créez les variables suivantes :

   Nom de variable	Types de variables	Valeur par défaut
   text	Chaîne de caractères (string)
   taxonomy	DocumentTaxonomy
   dom	Document
   documentPath	Chaîne de caractères (string)
   classificationResult2	ClassificationResult[]
   outputFileName2	ValeurGénérique

4. Ajoutez une activité Message Box à l’intérieur de la séquence.

   • Dans le panneau Propriétés , sélectionnez l'option OK dans la liste déroulante Boutons . Ajoutez le message suivant dans le champ Texte : « Sélectionnez un fichier PDF ».

5. Cochez la case de l’option PlusHaut. La boîte de message se retrouve au premier plan.

6. Ajoutez une activité Select File sous l’activité Message Box.

   • Dans le panneau Propriétés , ajoutez le texte suivant dans le champ Filtre : Pdf files (*.pdf)|*.pdf
   • Ajoutez la variable documentPath dans le champ FichierSélectionné .

7. Ajoutez une activité Assign sous l'activité Select File.

   • Ajoutez la variable outputFileName2 dans le champ À .
   • Ajoutez l’expression ".temp/" + Path.GetFileName(documentPath) dans le champ Valeur.

8. Ajoutez une activité Désérialiser JSON sous l'activité Attribuer .

   • Ajoutez l’expression File.ReadAllText("DocumentProcessing axonomy.json") dans le champ Chaîne JSON.
   • Dans le panneau Propriétés , sélectionnez l'option UiPath.DocumentProcessing.Contracts.Taxonomy.DocumentTaxonomy dans la liste déroulante TypeArgument .
   • Ajoutez la variable taxonomy dans le champ ObjetJSON.

9. Ajoutez une activité Digitize Document sous l'activité Deserialize JSON .

   • Dans le panneau Propriétés, ajoutez la valeur 1 dans le champ LigneTableau.
   • Ajoutez la variable documentPath dans le champ CheminDocument .
   • Ajoutez la variable dom dans le champ ModèleObjetDocument.
   • Ajoutez la variable text dans le champ TexteDocument.
   • Ajoutez le moteur OCR de document UiPath dans l’activité.
   • Ajoutez votre clé API dans le champ Clé API.
   • Ajoutez l'expression "https://du.uipath.com/ocr" dans le champ Point de terminaison.

10. Ajoutez une activité Écrire un fichier texte (Write Text File ) sous l'activité Digitize Document .

    • Ajoutez l'expression JsonConvert.SerializeObject(dom) dans le champ Texte.
    • Ajoutez l’expression outputFileName2 + ".dom.json" dans le champ NomFichier.

11. Ajoutez une autre activité Write Text File sous l’activité Write Text File .

    • Ajoutez la variable text dans le champ Texte.
    • Ajoutez l’expression outputFileName2 + ".text.txt" dans le champ NomFichier.

12. Faites glisser un autre conteneur Sequence dans le champ concepteur de workflow, nommez-le Sequence3 et créez la variable suivante :

    Nom de variable	Types de variables	Valeur par défaut
    extractionResult	RésultatExtraction
    validatedResults	RésultatExtraction
    doubleValidatedResults	RésultatExtraction
    dataset	JeuDonnées
    i	Int32

13. Ajoutez une activité Étendue d’extraction de données (Data Extraction Scope) à l’intérieur de Sequence3.

    • Dans le panneau Propriétés , ajoutez la variable dom dans le champ ModèleObjetDocument .
    • Ajoutez la variable documentPath dans le champ CheminDocument .
    • Ajoutez la variable text dans le champ TexteDocument.
    • Ajoutez l'expression "All.Benchmarks.Invoice" dans le champ IDTypeDocument .
    • Ajoutez la variable taxonomy dans le champ Taxonomie.
    • Ajoutez la variable extractionResult dans le champ ExtractionResults .

14. Ajoutez une activité Intelligent Form Extractor à l’intérieur de l’activité Data Extraction Scope .

    • Ajoutez votre clé API dans le champ CléAPI.

15. Ajoutez une activité Écrire un fichier texte ( Write Text File ) sous l’activité Étendue d’extraction des données (Data Extraction Scope) .

    • Ajoutez l'expression JsonConvert.SerializeObject(extractionResult) dans le champ Texte.
    • Ajoutez l’expression outputFileName2 + ".results.json" dans le champ NomFichier.

16. Ajoutez une activité Present Validation Station sous l’activité Write Text File .

    • Ajoutez la variable extractionResult dans le champ RésultatsExtractionAutomatique.
    • Ajoutez la variable dom dans le champ ModèleObjetDocument.
    • Ajoutez la variable documentPath dans le champ CheminDocument .
    • Ajoutez la variable text dans le champ TexteDocument.
    • Ajoutez la variable taxonomy dans le champ Taxonomie.
    • Ajoutez la variable validatedResults dans le champ RésultatsExtractionValidés.

17. Ajoutez une activité Write Text File sous l’activité Present Validation Station .

    • Ajoutez l'expression JsonConvert.SerializeObject(validatedResults) dans le champ Texte.
    • Ajoutez l’expression outputFileName2 + ".savedinVS.results.json" dans le champ NomFichier.

18. Ajoutez une autre activité Write Text File sous l’activité Write Text File .

    • Ajoutez l'expression JsonConvert.SerializeObject(doubleValidatedResults) dans le champ Texte.
    • Ajoutez l’expression outputFileName2 + ".doubleSavedinVS.results.json" dans le champ NomFichier.
19. Exécutez le processus. Le processus d'automatisation doit ouvrir la station de validation, extraire les données, les valider et les stocker dans le dossier de sortie.

Téléchargez un exemple ici.

Définir votre taxonomie

Vous avez créé votre workflow, défini toutes les variables et personnalisé toutes les activités. Il est maintenant temps de définir votre taxonomie. Pour ce faire, veuillez suivre les étapes décrites ici.

Créez votre taxonomie pour pouvoir extraire des informations d'une facture. Vous devez vous concentrer sur la création d’un type de document Facture , avec les champs suivants :

Nom du champ	Type de champ
NonFacture	Text
Sous-total	Number
Taxe de vente	Number
Total	Number

Voici à quoi devrait ressembler votre taxonomie :

Création de votre modèle

Il est maintenant temps de créer le modèle pour le processus d'extraction. Créez-le en suivant les instructions fournies ici.

Le GIF suivant explique comment créer le modèle :

Définition des ancres dans le modèle

Les ancres sont une fonctionnalité très spéciale et utile à utiliser lorsque vous devez extraire des informations précises d’un document. En définissant une zone d'extraction avec une ancre, vous pouvez vous attendre à une grande précision dans l'extraction des données.

Les GIF suivants expliquent comment utiliser les ancres sur le document de facturation utilisé pour l’exemple ci-dessus. Vous trouverez plus de détails sur les ancres ici.

Une fois la taxonomie définie et le modèle créé, vous pouvez commencer à configurer le modèle en utilisant des ancres, ce qui signifie que la zone d'extraction est définie dans une boîte et que les ancres sont utilisées pour définir la position de la boîte.

Voici quelques conseils avant de commencer à ajouter des ancres à votre modèle :

• La boîte d'ancrage doit être aussi grande que possible (hauteur, largeur) pour couvrir tout type de numéro de facture, long, court, gros caractères, etc.
• Une zone d'extraction peut avoir autant d'ancres que nécessaire, mais une seule définie comme principale (la première).
• Utilisez des ancres formées de plusieurs mots côte à côte.
• L'ancre principale doit être aussi proche que possible de la zone d'extraction.
• Les positions de la zone d'extraction et de l'ancre principale sont fixes dans le modèle, même lorsqu'elles sont appliquées à des documents différents. La seule chose qui peut varier est la distance entre l'ancre principale et les ancres secondaires.

Poursuivons la configuration du modèle et voyons comment extraire des données à l'aide d'une ancre. Les gifs ci-dessous expliquent comment marquer la zone d'extraction et ajouter les ancres principale et secondaire.

• Définir la zone d'extraction

  
  

  

  
  
  Remarque :

  L'ancre principale doit contenir deux ou trois mots pour une grande précision et de meilleurs résultats dans le processus d'extraction.

  Sélectionnez plusieurs mots lors du balisage d'une ancre en appuyant sur Ctrl et en cliquant sur les mots souhaités.

• Définir l'ancre principale

  
  

  

  
  

• Définir les ancres secondaires

  
  

  

  
  

Répétez le processus jusqu'à ce que vous ayez fini de définir toutes les zones d'extraction et d'ajouter toutes vos ancres. Une fois terminé, enregistrez le modèle.