- 概述
- 文档处理合同
- 发行说明
- 关于文档处理合同
- Box 类
- IPersistedActivity 接口
- PrettyBoxConverter 类
- IClassifierActivity 接口
- IClassifierCapabilitiesProvider 接口
- 分类器文档类型类
- 分类器结果类
- 分类器代码活动类
- 分类器原生活动类
- 分类器异步代码活动类
- 分类器文档类型功能类
- 提取程序异步代码活动类
- 提取程序代码活动类
- 提取程序文档类型类
- 提取程序文档类型功能类
- 提取程序字段功能类
- 提取程序原生活动类
- 提取程序结果类
- ICapabilitiesProvider 接口
- IExtractorActivity 接口
- 提取程序有效负载类
- 文档操作优先级枚举
- 文档操作数据类
- 文档操作状态枚举
- 文档操作类型枚举
- 文档分类操作数据类
- 文档验证操作数据类
- 用户数据类
- 文档类
- 文档拆分结果类
- DomExtensions 类
- 页类
- 页面分区类
- 多边形类
- 多边形转换器类
- 元数据类
- 词组类
- 词类
- 处理源枚举
- 结果表格单元类
- 结果表值类
- 结果表列信息类
- 结果表类
- 旋转枚举
- 分区类型枚举
- 词组类型枚举
- IDocumentTextProjection 接口
- 分类结果类
- 提取结果类
- 结果文档类
- 结果文档范围类
- 结果数据点类
- 结果值类
- 结果内容引用类
- 结果值令牌类
- 结果派生字段类
- 结果数据源枚举
- 结果常量类
- 简单字段值类
- 表字段值类
- 文档组类
- 文档分类类
- 文档类型类
- 字段类
- 字段类型枚举
- 语言信息类
- 元数据输入类
- 文本类型枚举
- 类型字段类
- ITrackingActivity 接口
- ITrainableActivity 接口
- ITrainableClassifierActivity 接口
- ITrainableExtractorActivity 接口
- 可训练的分类器异步代码活动类
- 可训练的分类器代码活动类
- 可训练的分类器原生活动类
- 可训练的提取程序异步代码活动类
- 可训练的提取程序代码活动类
- 可训练的提取程序原生活动类
- Document Understanding 数字化器
- Document Understanding ML
- Document Understanding OCR 本地服务器
- Document Understanding
- 智能 OCR
- ML 服务
- OCR
- OCR 合同
- OmniPage
- PDF
- [未公开] Abbyy
- [未列出] Abbyy 嵌入式
使用智能表单提取程序提取基于锚点的数据
以下示例说明了如何从可能还包含手写文本的表单中提取数据。 以下用例场景说明了如何从采购订单中提取数据。
它提供了诸如“ 数字化文档”、“ 数据提取作用域”或 “ 智能表单提取程序”之类的活动。 您可以在 UiPath.IntelligentOCR.Activities 包中找到这些活动。
在创建以下工作流之前,需要安装以下包:
- UiPath.DocumentProcessing.Contracts.Activities
- UiPath.Intelligent OCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.WebAPI.Activities
Steps:
- 打开 Studio ,创建一个新“流程”。
- 在“工作流设计器”中添加一个“序列”容器,将其命名为“序列 1”,然后创建下表中显示的变量:
表 1. 要创建的变量 变量类型
默认值
item
字符串
不适用 classificationResult
ClassificationResult[]
不适用 outputFileName
泛型值
不适用 - 在第一个“序列”容器之后,在“工作流设计器”中添加另一个“序列”容器,将其命名为“序列 2”,然后创建下表中显示的变量:
表 2. 要创建的变量 变量类型
默认值
text
字符串
不适用 taxonomy
DocumentTaxonomy
不适用 dom
文档
不适用 documentPath
字符串
不适用 classificationResult2
ClassificationResult[]
不适用 outputFileName2
泛型值
不适用 - 在序列中添加“ 消息框” 活动。
- 在“ 属性 ” 面板中,从“ 按钮” 下拉列表中选择“确定” 选项。 在“ 文本 ”字段中添加以下消息:“选择 PDF 文件”。
- 选中排名最前选项的复选框。这会将消息框置于前台。
- 在“消息框”活动之后添加“选择文件”活动。
- 在“属性”面板中,向“筛选器”字段添加以下文本:
Pdf files (*.pdf)|*.pdf
- 在“ 选定文件” 字段中添加
documentPath
变量。
- 在“属性”面板中,向“筛选器”字段添加以下文本:
- 将“分配”活动拖动至“选择文件”活动后面。
- 在“ 目标” 字段中添加
outputFileName2
变量。 - 在“值”字段中添加表达式“
".temp/" + Path.GetFileName(documentPath)
”。
- 在“ 目标” 字段中添加
- 在“分配”活动之后添加“反序列化 JSON”活动。
- 在“JSON 字符串”字段中添加表达式“
File.ReadAllText("DocumentProcessing axonomy.json")
”。 - 在“ 属性 ”面板中,从“ 类型参数 ”下拉列表中选择“ UiPath.DocumentProcessing.Contracts.Taxonomy.DocumentTaxonomy”选项。
- 在 Json 对象字段中添加
taxonomy
变量。
- 在“JSON 字符串”字段中添加表达式“
- 在“反序列化 JSON”活动之后添加“数字化文档”活动。
- 在“属性”面板中,向“并行度”字段添加“
1
”值。 - 在“ 文档路径” 字段中添加
documentPath
变量。 - 在文档对象模型字段中添加
dom
变量。 - 在“文档文本”字段中添加
text
变量。 - 在活动中添加UiPath™文档 OCR引擎。
- 在 ApiKey 字段中添加您的 API 密钥。
- 在“ 端点 ” 字段中添加
"https://du.uipath.com/ocr"
表达式。
- 在“属性”面板中,向“并行度”字段添加“
- 在“数字化文档”活动之后添加“写入文本文件”活动。
- 在“文本”字段中添加表达式
JsonConvert.SerializeObject(dom)
。 - 在“文件名”字段中添加表达式“
outputFileName2 + ".dom.json"
”。
- 在“文本”字段中添加表达式
- 在“写入文本文件”活动之后添加另一个“写入文本文件”活动。
- 在“文本”字段中添加“
text
”变量。 - 在“文件名”字段中添加表达式“
outputFileName2 + ".text.txt"
”。
- 在“文本”字段中添加“
- 在“工作流设计器”中拖动另一个“序列”容器,将其命名为“序列 3”,然后创建下表中显示的变量:
表 3. 要创建的变量 变量类型
默认值
extractionResult
提取结果
不适用 validatedResults
提取结果
不适用 doubleValidatedResults
提取结果
不适用 dataset
数据集
不适用 i
Int32
不适用 - 在 Sequence3中添加“数据提取作用域”活动。
- 在“ 属性 ”面板的“ 文档对象 模型”字段中添加
dom
变量。 - 在“ 文档路径” 字段中添加
documentPath
变量。 - 在“文档文本”字段中添加
text
变量。 - 在 DocumentTypeId 字段中添加
"All.Benchmarks.Invoice"
表达式。 - 在“分类”字段中添加
taxonomy
变量。 - 在“ 提取 结果”字段中添加
extractionResult
变量。
- 在“ 属性 ”面板的“ 文档对象 模型”字段中添加
- 在“ 数据提取作用域 ”活动中添加一个智能表单提取程序活动。
- 在“API 密钥”字段中添加您的 API 密钥。
- 在“数据提取作用域”活动之后添加“写入文本文件”活动。
- 在“文本”字段中添加表达式
JsonConvert.SerializeObject(extractionResult)
。 - 在“文件名”字段中添加表达式“
outputFileName2 + ".results.json"
”。
- 在“文本”字段中添加表达式
- 在“写入文本文件”活动之后添加“显示验证站点”活动。
- 在“自动提取结果”字段中添加
extractionResult
变量。 - 在文档对象模型字段中添加
dom
变量。 - 在“ 文档路径” 字段中添加
documentPath
变量。 - 在“文档文本”字段中添加
text
变量。 - 在“分类”字段中添加
taxonomy
变量。 - 在“已验证的提取结果”字段中添加
validatedResults
变量。
- 在“自动提取结果”字段中添加
- 在“显示验证站点”活动后添加“写入文本文件”活动。
- 在“文本”字段中添加表达式
JsonConvert.SerializeObject(validatedResults)
。 - 在“文件名”字段中添加表达式“
outputFileName2 + ".savedinVS.results.json"
”。
- 在“文本”字段中添加表达式
- 在“写入文本文件”活动之后添加另一个“写入文本文件”活动。
- 在“文本”字段中添加表达式
JsonConvert.SerializeObject(doubleValidatedResults)
。 - 在“文件名”字段中添加表达式“
outputFileName2 + ".doubleSavedinVS.results.json"
”。
- 在“文本”字段中添加表达式
- 运行流程。 自动化流程应打开验证站点,提取数据并进行验证,并将其存储在“输出”文件夹中。
ZIP
格式的文件:示例。
您已经创建了工作流,定义了所有变量并自定义了所有活动。现在是时候定义分类了。请访问加载分类,了解有关定义自己的分类的信息。
创建分类,以便能够从发票中提取信息。您应该专注于创建“发票”文档类型,其中包含下表中显示的字段:
字段类型 | |
---|---|
发票编号 |
|
小计 |
|
销售税 |
|
总计 |
|
现在可以为提取流程创建模板。请访问加载分类,了解如何创建模板。
- 文档类型:发票。
- 模板名称:Invoice-example。
- 模板文档:选择目标文件。
- OCR 引擎:Microsoft OCR。
- 语言:英语。
- 个人资料:扫描。
- 规模:1。
当您需要从文档中提取精确信息时,锚点是一项非常特殊且有用的功能。 通过使用锚点定义提取区域,您可以期望数据提取具有较高的准确性。
定义分类并创建模板后,您可以使用锚点开始配置模板,这意味着在框中定义提取区域,并且使用锚点定义框位置。
在开始将锚点添加到模板之前,请查看以下列表,以获取一些建议:
- 锚框应尽可能大(高度、宽度),以覆盖任何类型的发票编号(长、短、大字体等)。
- 一个提取区域可以根据需要具有任意数量的锚点,但只能将一个锚点定义为主锚点(第一个)。
- 使用由多个并排单词组成的锚点。
- 主锚点应尽可能靠近提取区域。
- 提取区域和主锚点的位置在模板中是固定的,即使应用于不同的文档也是如此。 唯一可以改变的是主锚点和次要锚点之间的距离。
让我们继续配置模板,看看如何使用锚点提取数据。
- 设置提取区域:
- 在“验证站点”右侧的区域中,选择“选择模式”。
- 选择“锚点”。
- 开始选择所需的区域。
图 3. 显示如何设置提取区域的动图
备注:主锚点应包含两个或三个单词,以便在提取过程中获得更高的准确性和更好的结果。
标记锚点时,通过按 CTRL 键并选择所需字词来选择多个字词。
- 设置主锚点:
- 当仍处于“锚点”选择模式时,选择所需的区域作为主锚点。
- 选择所需字段的“提取值”。
图 4. 演示如何设置主锚点的动图示例
- 设置次要锚点:
- 确保您仍处于“锚点”选择模式,并激活了主锚点选择。
- 为次要锚点选择新区域。
- 为所需字段选择“选项”,然后选择“更改提取的值”。
图 5. 演示如何设置次要锚点的动图示例
重复此过程,直到完成所有提取区域的定义并添加所有锚点。 完成后,保存模板。