将文档数字化

UiPath.IntelligentOCR.Activities.Digitization.DigitizeDocument

描述

将文档数字化，提取其“文档对象模型”(DOM) 和文本，并将提取内容存储在相应类型的变量中。

注意：您必须为此活动分配 OCR 引擎，方法是将其拖动到活动主体中。仅当传入文档需要 OCR 处理时，才会使用所选 OCR 引擎。请访问 OCR 引擎，查看可用的 OCR 引擎。所选 OCR 引擎的输入和输出参数由“数字化文档”活动自动设置。

Windows - Legacy | Windows

常见

输入

将OCR 应用于 PDF - 确定是否应将 OCR 流程应用于 PDF 文档。如果设置为 “是”，则 OCR 将应用于文档的所有 PDF 页面。如果设置为 “否”，则仅提取以数字方式键入的文本。默认值为“ 自动”，根据输入文档确定文档是否需要应用 OCR 算法。
并行度 - 指定要并行分析的页面数量（如有）。-1 值使用“计算机上的核心数量 - 1”。这意味着该活动会尝试并行处理与“核心数 - 1”值相同数量的页面，而指定正值时将使用特定数量的逻辑处理器。默认情况下，此属性设置为 -1。
此属性接受不大于LogicalProcessorCount - 1的任何值。
检测复选框 - 在将文档数字化时检测文档中的可用复选框。默认值为 True。
文档路径- 要数字化的文档的文件路径。此字段仅支持字符串和 String 变量。
备注：
- 如果无法对包含足够数据的文档进行分类，请在“数字化文档”活动中将“将 OCR 应用于 PDF”属性设置为“是”。
- PDF 文件中的文本提取已升级。如此一来，便可同时检索原生文本和扫描文本，从而优化提取流程。该流程仅将 OCR 应用于 PDF 文件中标识的图像。仅当“将 OCR 应用于 PDF”选项设置为“自动”时，此改进才可用。
注意：此属性字段支持的文件类型包括.png 、 .jpe 、 .jpg 、 .jpeg 、 .tiff 、 .tif和.pdf 。

其他

输出

DocumentObjectModel - 文件的文档对象模型 (DOM)，存储在 Document 变量中。此字段仅支持 Document 变量。
文档文本- 从指定文档中提取的文本。该变量随后可用于呈现验证站点活动。此字段仅支持 String 变量。
Note: Starting with UiPath.IntelligentOCR.Activities package v6.3.0-preview, the Digitize Document activity comes with a default preselected OCR engine, the UiPath® Document OCR engine.

两个输出变量（由于从属而配对）都可以在整个文档处理框架（分类、数据提取、人工验证等）的文档处理中进一步使用。

如果 UiPath.IntelligentOCR.Activities 程序包已更新到 v5.1.0，则强制应用 OCR 参数已替换为将 OCR 应用于 PDF 参数。以下是新旧参数之间的兼容性：

注意：“数字化文档”活动从 PDF 文件中提取文本，对于复杂的文档，“数字化文档”活动应用预处理和后处理算法。此活动可与其他 Document Understanding 活动一起使用。

文档对象模型在专有对象中捕获。有关更多信息，请访问文档类。

提示：要成功将文档数字化并进行处理，请考虑以下建议：

要成功对图像进行数字化/处理，图像的宽度和高度尺寸应在 50 到 10000 像素之间。系统会拒绝不在此范围内的任何图像，并显示异常消息。如果图像经验证具有前述尺寸且总大小大于 1400 万像素，则系统会将该图像缩小到 1400 万像素，同时保持原先的纵横比（宽度与高度之比）。
通过将倾斜角保持在 +/- 20 度之间，可以获得最佳结果。