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

以下是构建自动化流程的方法：</summary>

此自动化流程的构建方法如下：

1. 打开 Studio ，创建一个新“流程”。

2. 在 Workflow Designer中拖动一个“序列”容器，将其命名为“ Sequence1”，然后创建以下变量：

   变量名称	变量类型	默认值
   item	字符串
   classificationResult	ClassificationResult[]
   outputFileName	泛型值

3. 在 Workflow Designer中将另一个“序列”容器拖动到第一个容器下方，将其命名为“ Sequence2”，并创建以下变量：

   变量名称	变量类型	默认值
   text	字符串
   taxonomy	DocumentTaxonomy
   dom	文档
   documentPath	字符串
   classificationResult2	ClassificationResult[]
   outputFileName2	泛型值

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” 活动下方添加“选择文件”活动。

   • 在“ 属性 ”面板的“筛选器”字段中添加以下文本： Pdf files (*.pdf)|*.pdf
   • 在“ 选定文件” 字段中添加 documentPath 变量。

7. 在“ 选择文件 ” 活动下方添加“分配” 活动。

   • 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 ”活动下方添加“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。

9. 在“ 反序列化 JSON ” 活动下方添加“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。

10. 在“ 数字化文档” 活动下方添加“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 ”活动下方添加另一个“ 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. 将另一个“序列”容器拖入 Workflow Designer 中，将其命名为“Sequence3”，并创建以下变量：

    变量名称	变量类型	默认值
    extractionResult	提取结果
    validatedResults	提取结果
    doubleValidatedResults	提取结果
    dataset	数据集
    i	Int32

13. 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。

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 ”活动下方添加“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 ”活动下方添加“演示验证站点”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。

17. 在“ 当前验证站点 ”活动下方添加“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 ”活动下方添加另一个“ 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。

从此处下载示例。

定义分类

您已创建工作流，定义所有变量并自定义所有活动。 现在是时候定义分类了。 为此，请按照 此处描述的步骤操作。

创建分类，以便能够从发票中提取信息。 您应该专注于创建具有以下字段的“ 发票 ”文档类型：

字段名称	字段类型
发票编号	Text
小计	Number
销售税	Number
总计	Number

以下是您的分类的外观：

创建模板

现在是时候为提取流程创建模板了。 请按照 此处的说明进行创建。

以下 GIF 说明了如何创建模板：

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。

以下动图表示如何在用于上述示例的发票文档上使用锚点。 有关锚点的更多详细信息，请参见 此处。

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。

在开始向模板添加锚点之前，请注意以下几点：

• 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。

我们继续配置模板，看看如何使用锚点提取数据。 下面的 GIF 图说明了如何标记提取区域以及如何添加主锚点和辅助锚点。

• 设置提取区域

  
  

  

  
  
  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，按住 CTRL 并单击所需的单词，以选择多个单词。

• 设置主锚点

  
  

  

  
  

• 设置辅助锚点

  
  

  

  
  

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。