activities
latest
false
重要 :
请注意此内容已使用机器翻译进行了部分本地化。
Document Understanding 活动
Last updated 2024年10月29日

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。

创建工作流

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:

  1. 打开 Studio ,创建一个新“流程”
  2. 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

    变量名称

    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
  3. 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

    变量名称

    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
  4. 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”。
  5. 选中排名最前选项的复选框。这会将消息框置于前台。
  6. 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。
  7. 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)”。
  8. 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。
    • Json 对象字段中添加 taxonomy 变量。
  9. 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。
    • 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。
    • 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。
  10. 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"”。
  11. 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"”。
  12. 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

    变量名称

    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
  13. 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。
    • 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。
  14. 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。
  15. 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"”。
  16. 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。
    • 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。
  17. 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"”。
  18. 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"”。
  19. 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。
请访问以下链接,将该示例下载为 ZIP 格式的文件:示例

定义分类

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:

表 4. 发票文档类型字段

字段名称

字段类型

发票编号

Text

小计

Number

销售税

Number

总计

Number

图 1. 包含前面提到的字段的已完成分类的概览

创建模板

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。

对于本示例,使用以下值配置模板:
  • 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。
图 2. 显示模板配置的动图示例

在模板中设置锚点

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。

  1. 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。

  2. 设置主锚点:
    1. 当仍处于“锚点”选择模式时,选择所需的区域作为主锚点。
    2. 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

  3. 设置次要锚点:
    1. 确保您仍处于“锚点”选择模式,并激活了主锚点选择。
    2. 为次要锚点选择新区域。
    3. 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。

  • 创建工作流
  • 定义分类
  • 创建模板
  • 在模板中设置锚点

此页面有帮助吗?

获取您需要的帮助
了解 RPA - 自动化课程
UiPath Community 论坛
Uipath Logo White
信任与安全
© 2005-2024 UiPath。保留所有权利。