Extração de dados com base em âncoras usando a atividade Intelligent Form Extractor

O exemplo abaixo explica como extrair dados de um formulário que também pode incluir texto manuscrito. O seguinte cenário de caso de uso explica como extrair dados de uma ordem de compra.

Ele apresenta atividades como Digitize Document, Data Extraction Scopeou Intelligent Form Extractor. Essas atividades podem ser encontradas no pacote UiPath.IntelligentOCR.Activities .

Como criar o fluxo de trabalho

Os seguintes pacotes precisam ser instalados antes de criar o fluxo de trabalho abaixo:

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

É assim que o processo de automação pode ser construído:</summary>

É assim que um processo de automação pode ser construído:

1. Abra o Studio e crie um Processo.

2. Arraste um container Sequence no Workflow Designer, nomeie-o Sequence1e crie as seguintes variáveis:

   Nome da variável	Tipo de Variável	Valor padrão
   item	String
   classificationResult	ClassificationResult[]
   outputFileName	GenericValue

3. Arraste outro container Sequence no Workflow Designer, abaixo do primeiro, nomeie-o Sequence2, e crie as seguintes variáveis:

   Nome da variável	Tipo de Variável	Valor padrão
   text	String
   taxonomy	DocumentTaxonomy
   dom	Documento
   documentPath	String
   classificationResult2	ClassificationResult[]
   outputFileName2	GenericValue

4. Adicione uma atividade de caixa de mensagem dentro da sequência.

   • No painel Propriedades , selecione a opção Ok no menu suspenso Botões . Adicione a seguinte mensagem no campo Texto : "Selecione um arquivo PDF".

5. Marque a caixa de seleção para a opção Superior. Isso traz a caixa de mensagens para o primeiro plano.

6. Adicione uma atividade Select File embaixo da atividade Message Box.

   • No painel Propriedades , adicione o seguinte texto no campo Filtro: Pdf files (*.pdf)|*.pdf
   • Adicione a variável documentPath no campo SelectedFile .

7. Adicione uma atividade Assign embaixo da atividade Select File.

   • Adicione a variável outputFileName2 no campo Para .
   • Adicione a expressão ".temp/" + Path.GetFileName(documentPath) no campo Valor.

8. Adicione uma atividade Deserialize JSON abaixo da atividade Atribuir .

   • Adicione a expressão File.ReadAllText("DocumentProcessing axonomy.json") no campo String JSON.
   • No painel Propriedades , selecione a opção UiPath.DocumentProcessing.Contracts.Taxonomy.DocumentTaxonomy na lista suspensa TypeArgument .
   • Adicione a variável taxonomy no campo ObjetoJSON.

9. Adicione uma atividade Digitalizar documento abaixo da atividade Deserialize JSON .

   • No painel Propriedades, adicione o valor 1 no campo GrauDeParalelismo.
   • Adicione a variável documentPath no campo DocumentPath .
   • Adicione a variável dom no campo ModeloDeObjetoDeDocumento.
   • Adicione a variável text no campo TextoDoDocumento.
   • Add the UiPath® Document OCR engine inside the activity.
   • Adicione sua chave de API dentro do campo ApiKey .
   • Adicione a expressão "https://du.uipath.com/ocr" no campo Endpoint .

10. Adicione uma atividade Escrever arquivo de texto abaixo da atividade Digitalizar documento .

    • Adicione a expressão JsonConvert.SerializeObject(dom) no campo Texto.
    • Adicione a expressão outputFileName2 + ".dom.json" no campo NomeDoArquivo.

11. Adicione outra atividade Gravar Arquivo de Texto abaixo da atividade Gravar Arquivo de Texto .

    • Adicione a variável text no campo Texto.
    • Adicione a expressão outputFileName2 + ".text.txt" no campo NomeDoArquivo.

12. Arraste outro contêiner Sequência no Designer de fluxo de trabalho, o nomeie Sequência3 e crie as seguintes variáveis:

    Nome da variável	Tipo de Variável	Valor Padrão
    extractionResult	ExtractionResult
    validatedResults	ExtractionResult
    doubleValidatedResults	ExtractionResult
    dataset	ConjuntoDeDados
    i	Int32

13. Adicione uma atividade Data Extraction Scope dentro do Sequence3.

    • No painel Propriedades , adicione a variável dom no campo DocumentObjectModel .
    • Adicione a variável documentPath no campo DocumentPath .
    • Adicione a variável text no campo TextoDoDocumento.
    • Adicione a expressão "All.Benchmarks.Invoice" no campo DocumentTypeId .
    • Adicione a variável taxonomy no capo Taxonomia.
    • Adicione a variável extractionResult no campo ExtractionResults .

14. Adicione uma atividade do Intelligent Form Extractor dentro da atividade Data Extraction Scope .

    • Adicione sua chave de API no campo ChaveDaAPI.

15. Adicione uma atividade Gravar arquivo de texto abaixo da atividade Escopo de extração de dados .

    • Adicione a expressão JsonConvert.SerializeObject(extractionResult) no campo Texto.
    • Adicione a expressão outputFileName2 + ".results.json" no campo NomeDoArquivo.

16. Adicione uma atividade Estação de Validação Presente abaixo da atividade Escrever Arquivo de Texto .

    • Adicione a variável extractionResult no campo ResultadosDaExtraçãoAutomática.
    • Adicione a variável dom no campo ModeloDeObjetoDeDocumento.
    • Adicione a variável documentPath no campo DocumentPath .
    • Adicione a variável text no campo TextoDoDocumento.
    • Adicione a variável taxonomy no capo Taxonomia.
    • Adicione a variável validatedResults no campo ResultadosValidadosDaExtração.

17. Adicione uma atividade Gravar Arquivo de Texto abaixo da atividade Apresentar Estação de Validação .

    • Adicione a expressão JsonConvert.SerializeObject(validatedResults) no campo Texto.
    • Adicione a expressão outputFileName2 + ".savedinVS.results.json" no campo NomeDoArquivo.

18. Adicione outra atividade Gravar Arquivo de Texto abaixo da atividade Gravar Arquivo de Texto .

    • Adicione a expressão JsonConvert.SerializeObject(doubleValidatedResults) no campo Texto.
    • Adicione a expressão outputFileName2 + ".doubleSavedinVS.results.json" no campo NomeDoArquivo.
19. Execute o processo. O processo de automação deve abrir a Estação de Validação, extrair os dados, validá-los e armazená-los na pasta Saída.

Baixe o exemplo aqui.

Definindo sua taxonomia

Você criou seu fluxo de trabalho, definiu todas as variáveis e personalizou todas as atividades. Agora é hora de definir sua taxonomia. Para fazer isso, siga as etapas descritas aqui.

Crie sua taxonomia para poder extrair informações de uma fatura. Você deve se concentrar em criar um documento do tipo Fatura , com os seguintes campos:

Nome do Campo	Tipo de Campo
Nº da Fatura	Text
Subtotal	Number
Imposto sobre vendas	Number
Total	Number

Aqui está como sua taxonomia deve ficar:

Criar seu modelo

Agora é hora de criar o modelo para o processo de extração. Crie-o seguindo as instruções daqui.

O gif a seguir explica como criar o modelo:

Definir âncoras no modelo

As âncoras são um recurso muito especial e útil para usar quando você precisa extrair informações precisas de um documento. Ao definir uma área de extração com uma âncora, você pode esperar uma alta precisão na extração de dados.

Os gifs a seguir explicam como usar as âncoras no documento de fatura usado para o exemplo acima. Mais informações sobre as âncoras, podem ser encontradas aqui.

Uma vez definida a taxonomia e criado o modelo, você pode começar a configurar o modelo usando âncoras, o que significa que a área de extração é definida em uma caixa e as âncoras são usadas para definir a posição da caixa.

Aqui estão algumas dicas antes de começar a adicionar âncoras ao seu modelo:

• A caixa âncora deve ser o maior possível (altura, largura) para cobrir qualquer tipo de número de fatura, fonte longa, curta, grande, etc.
• Uma área de extração pode ter quantas âncoras forem necessárias, mas apenas uma definida como principal (a primeira).
• Use âncoras formadas por várias palavras lado a lado.
• A âncora principal deve estar o mais próximo possível da área de extração.
• As posições da área de extração e da âncora principal são fixadas no template, mesmo quando aplicadas a documentos diferentes. A única coisa que pode variar é a distância entre a âncora principal e as secundárias.

Vamos continuar configurando o modelo e ver como você pode extrair dados usando uma âncora. Os gifs abaixo explicam como marcar a área de extração e adicionar as âncoras principais e secundárias.

• Defina a área de extração

  
  

  

  
  
  Observação:

  A âncora principal deve conter duas ou três palavras para maior precisão e melhores resultados no processo de extração.

  Selecione várias palavras ao marcar uma âncora pressionando CTRL e clicando nas palavras desejadas.

• Definir a âncora principal

  
  

  

  
  

• Defina as âncoras secundárias

  
  

  

  
  

Repita o processo até terminar de definir todas as áreas de extração e adicionar todas as suas âncoras. Depois de concluído, salve o modelo.