DocumentModelAdministrationClient class
Ein Client für die Interaktion mit den Modellverwaltungsfeatures des Formularerkennung Diensts, z. B. Erstellen, Lesen, Auflisten, Löschen und Kopieren von Modellen.
Beispiele:
Azure Active Directory
import { DocumentModelAdministrationClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";
const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();
const client = new DocumentModelAdministrationClient(endpoint, credential);
API-Schlüssel (Abonnementschlüssel)
import { DocumentModelAdministrationClient, AzureKeyCredential } from "@azure/ai-form-recognizer";
const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");
const client = new DocumentModelAdministrationClient(endpoint, credential);
Konstruktoren
Document |
Erstellen eines DocumentModelAdministrationClient-instance aus einem Ressourcenendpunkt und einem statischen API-Schlüssel ( Beispiel:
|
Document |
Erstellen Sie eine DocumentModelAdministrationClient-instance aus einem Ressourcenendpunkt und einer Azure Identity Weitere Informationen zur Authentifizierung mit Azure Active Directory finden Sie im Beispiel:
|
Methoden
begin |
Erstellen Sie eine neue Dokumentklassifizierung mit der angegebenen Klassifizierer-ID und den angegebenen Dokumenttypen. Die Klassifizierer-ID muss unter Klassifizierern innerhalb der Ressource eindeutig sein. Die Dokumenttypen werden als Objekt angegeben, das den Namen des Dokumenttyps dem Trainingsdataset für diesen Dokumenttyp zuordnet. Zwei Methoden zur Eingabe von Trainingsdaten werden unterstützt:
Der Formularerkennung-Dienst liest das Trainingsdataset aus einem Azure Storage-Container, der als URL für den Container mit einem SAS-Token angegeben wird, mit dem das Dienst-Back-End mit dem Container kommunizieren kann. Mindestens die Berechtigungen "lesen" und "list" sind erforderlich. Darüber hinaus müssen die Daten im angegebenen Container gemäß einer bestimmten Konvention organisiert werden, die in der Dokumentation des Diensts zum Erstellen benutzerdefinierter Dokumentklassifizierer dokumentiert ist. Beispiel
|
begin |
Erstellen Sie ein neues Modell mit einer bestimmten ID aus einer Modellinhaltsquelle. Die Modell-ID kann aus beliebigem Text bestehen, solange sie nicht mit "vordefinierten" beginnt (da sich diese Modelle auf vordefinierte Formularerkennung Modelle beziehen, die für alle Ressourcen gemeinsam sind), und solange sie nicht bereits innerhalb der Ressource vorhanden ist. Die Inhaltsquelle beschreibt den Mechanismus, den der Dienst zum Lesen der Eingabetrainingsdaten verwendet. Weitere Informationen finden Sie im <xref:DocumentModelContentSource> Typ. Beispiel
|
begin |
Erstellen Sie ein neues Modell mit einer angegebenen ID aus einem Satz von Eingabedokumenten und beschrifteten Feldern. Die Modell-ID kann aus beliebigem Text bestehen, solange sie nicht mit "vordefinierten" beginnt (da sich diese Modelle auf vordefinierte Formularerkennung Modelle beziehen, die für alle Ressourcen gemeinsam sind), und solange sie nicht bereits innerhalb der Ressource vorhanden ist. Der Formularerkennung-Dienst liest das Trainingsdataset aus einem Azure Storage-Container, der als URL für den Container mit einem SAS-Token angegeben wird, mit dem das Dienst-Back-End mit dem Container kommunizieren kann. Mindestens sind die Berechtigungen "Lesen" und "Listen" erforderlich. Darüber hinaus müssen die Daten im angegebenen Container nach einer bestimmten Konvention organisiert werden, die in der Dokumentation des Diensts zum Erstellen benutzerdefinierter Modelle dokumentiert ist. Beispiel
|
begin |
Erstellt ein einzelnes zusammengesetztes Modell aus mehreren bereits vorhandenen Untermodellen. Das resultierende zusammengesetzte Modell kombiniert die Dokumenttypen seiner Komponentenmodelle und fügt einen Klassifizierungsschritt in die Extraktionspipeline ein, um zu bestimmen, welches seiner Komponentenuntermodelle für die angegebene Eingabe am besten geeignet ist. Beispiel
|
begin |
Kopiert ein Modell mit der angegebenen ID in die Ressource und modell-ID, die durch eine bestimmte Kopierautorisierung codiert ist. Weitere Informationen finden Sie unter CopyAuthorization und getCopyAuthorization. Beispiel
|
delete |
Löscht einen Klassifizierer mit der angegebenen ID aus der Ressource des Clients, sofern vorhanden. Dieser Vorgang KANN NICHT wiederhergestellt werden. Beispiel
|
delete |
Löscht ein Modell mit der angegebenen ID aus der Ressource des Clients, sofern vorhanden. Dieser Vorgang KANN NICHT wiederhergestellt werden. Beispiel
|
get |
Erstellt eine Autorisierung zum Kopieren eines Modells in die Ressource, die mit der Die Beispiel
|
get |
Ruft Informationen zu einem Klassifizierer (DocumentClassifierDetails) nach ID ab. Beispiel
|
get |
Ruft Informationen zu einem Modell (DocumentModelDetails) nach ID ab. Diese Methode kann Informationen zu benutzerdefinierten und vordefinierten Modellen abrufen. Breaking ChangeIn früheren Versionen der Formularerkennung REST-API und sdk konnte die Beispiel
|
get |
Ruft Informationen zu einem Vorgang ( Vorgänge stellen Nicht-Analyseaufgaben dar, z. B. das Erstellen, Komponieren oder Kopieren eines Modells. |
get |
Rufen Sie grundlegende Informationen zur Ressource dieses Clients ab. Beispiel
|
list |
Auflisten von Details zu Klassifizierern in der Ressource. Dieser Vorgang unterstützt das Paging. BeispieleAsynchrone Iteration
Seite nach Seite
|
list |
Listen Sie Zusammenfassungen von Modellen in der Ressource auf. Benutzerdefinierte sowie vordefinierte Modelle sind enthalten. Dieser Vorgang unterstützt das Paging. Die Modellzusammenfassung (DocumentModelSummary) enthält nur die grundlegenden Informationen zum Modell und enthält keine Informationen zu den Dokumenttypen im Modell (z. B. feldschemas und Konfidenzwerte). Verwenden Sie getDocumentModel, um auf die vollständigen Informationen zum Modell zuzugreifen. Breaking ChangeIn früheren Versionen der Formularerkennung REST-API und sdk hat die BeispieleAsynchrone Iteration
Seite nach Seite
|
list |
Auflisten von Modellerstellungsvorgängen in der Ressource. Dadurch werden alle Vorgänge generiert, einschließlich Vorgängen, die nicht erfolgreich Modelle erstellt haben. Dieser Vorgang unterstützt das Paging. BeispieleAsynchrone Iteration
Seite nach Seite
|
Details zum Konstruktor
DocumentModelAdministrationClient(string, KeyCredential, DocumentModelAdministrationClientOptions)
Erstellen eines DocumentModelAdministrationClient-instance aus einem Ressourcenendpunkt und einem statischen API-Schlüssel (KeyCredential
),
Beispiel:
import { DocumentModelAdministrationClient, AzureKeyCredential } from "@azure/ai-form-recognizer";
const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");
const client = new DocumentModelAdministrationClient(endpoint, credential);
new DocumentModelAdministrationClient(endpoint: string, credential: KeyCredential, options?: DocumentModelAdministrationClientOptions)
Parameter
- endpoint
-
string
Die Endpunkt-URL einer Azure Cognitive Services-instance
- credential
- KeyCredential
KeyCredential mit dem Cognitive Services-instance-Abonnementschlüssel
optionale Einstellungen zum Konfigurieren aller Methoden im Client
DocumentModelAdministrationClient(string, TokenCredential, DocumentModelAdministrationClientOptions)
Erstellen Sie eine DocumentModelAdministrationClient-instance aus einem Ressourcenendpunkt und einer Azure IdentityTokenCredential
.
Weitere Informationen zur Authentifizierung mit Azure Active Directory finden Sie im @azure/identity
Paket.
Beispiel:
import { DocumentModelAdministrationClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";
const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();
const client = new DocumentModelAdministrationClient(endpoint, credential);
new DocumentModelAdministrationClient(endpoint: string, credential: TokenCredential, options?: DocumentModelAdministrationClientOptions)
Parameter
- endpoint
-
string
Die Endpunkt-URL einer Azure Cognitive Services-instance
- credential
- TokenCredential
ein tokenCredential-instance aus dem @azure/identity
Paket
optionale Einstellungen zum Konfigurieren aller Methoden im Client
Details zur Methode
beginBuildDocumentClassifier(string, DocumentClassifierDocumentTypeSources, BeginBuildDocumentClassifierOptions)
Erstellen Sie eine neue Dokumentklassifizierung mit der angegebenen Klassifizierer-ID und den angegebenen Dokumenttypen.
Die Klassifizierer-ID muss unter Klassifizierern innerhalb der Ressource eindeutig sein.
Die Dokumenttypen werden als Objekt angegeben, das den Namen des Dokumenttyps dem Trainingsdataset für diesen Dokumenttyp zuordnet. Zwei Methoden zur Eingabe von Trainingsdaten werden unterstützt:
azureBlobSource
, der einen Klassifizierer unter Verwendung der Daten im angegebenen Azure Blob Storage-Container trainiert.azureBlobFileListSource
, das ähnlichazureBlobSource
ist, aber eine präzisere Steuerung der Dateien ermöglicht, die im Trainingsdataset enthalten sind, indem eine Dateiliste im JSONL-Format verwendet wird.
Der Formularerkennung-Dienst liest das Trainingsdataset aus einem Azure Storage-Container, der als URL für den Container mit einem SAS-Token angegeben wird, mit dem das Dienst-Back-End mit dem Container kommunizieren kann. Mindestens die Berechtigungen "lesen" und "list" sind erforderlich. Darüber hinaus müssen die Daten im angegebenen Container gemäß einer bestimmten Konvention organisiert werden, die in der Dokumentation des Diensts zum Erstellen benutzerdefinierter Dokumentklassifizierer dokumentiert ist.
Beispiel
const classifierId = "aNewClassifier";
const containerUrl1 = "<training data container SAS URL 1>";
const containerUrl2 = "<training data container SAS URL 2>";
const poller = await client.beginBuildDocumentClassifier(
classifierId,
{
// The document types. Each entry in this object should map a document type name to a
// `ClassifierDocumentTypeDetails` object
"formX": {
azureBlobSource: {
containerUrl: containerUrl1,
}
},
"formY": {
azureBlobFileListSource: {
containerUrl: containerUrl2,
fileList: "path/to/fileList.jsonl"
}
},
},
{
// Optionally, a text description may be attached to the classifier
description: "This is an example classifier!"
}
);
// Classifier building, like model creation operations, returns a poller that eventually produces a
// DocumentClassifierDetails object
const classifierDetails = await poller.pollUntilDone();
const {
classifierId, // identical to the classifierId given when creating the classifier
description, // identical to the description given when creating the classifier (if any)
createdOn, // the Date (timestamp) that the classifier was created
docTypes // information about the document types in the classifier and their details
} = classifierDetails;
function beginBuildDocumentClassifier(classifierId: string, docTypeSources: DocumentClassifierDocumentTypeSources, options?: BeginBuildDocumentClassifierOptions): Promise<DocumentClassifierPoller>
Parameter
- classifierId
-
string
die eindeutige ID des zu erstellenden Klassifizierers
- docTypeSources
- DocumentClassifierDocumentTypeSources
die Dokumenttypen, die in die Klassifizierung eingeschlossen werden sollen, und deren Quellen (eine Zuordnung von Dokumenttypnamen zu ClassifierDocumentTypeDetails
)
optionale Einstellungen für den Klassifizierer-Buildvorgang
Gibt zurück
Promise<DocumentClassifierPoller>
Ein Zeitintensiver Vorgang (Poller), der schließlich die erstellten Klassifiziererdetails oder einen Fehler erzeugt.
beginBuildDocumentModel(string, DocumentModelSource, DocumentModelBuildMode, BeginBuildDocumentModelOptions)
Erstellen Sie ein neues Modell mit einer bestimmten ID aus einer Modellinhaltsquelle.
Die Modell-ID kann aus beliebigem Text bestehen, solange sie nicht mit "vordefinierten" beginnt (da sich diese Modelle auf vordefinierte Formularerkennung Modelle beziehen, die für alle Ressourcen gemeinsam sind), und solange sie nicht bereits innerhalb der Ressource vorhanden ist.
Die Inhaltsquelle beschreibt den Mechanismus, den der Dienst zum Lesen der Eingabetrainingsdaten verwendet. Weitere Informationen finden Sie im <xref:DocumentModelContentSource> Typ.
Beispiel
const modelId = "aNewModel";
const poller = await client.beginBuildDocumentModel(modelId, { containerUrl: "<SAS-encoded blob container URL>" }, {
// Optionally, a text description may be attached to the model
description: "This is an example model!"
});
// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();
const {
modelId, // identical to the modelId given when creating the model
description, // identical to the description given when creating the model
createdOn, // the Date (timestamp) that the model was created
docTypes // information about the document types in the model and their field schemas
} = modelDetails;
function beginBuildDocumentModel(modelId: string, contentSource: DocumentModelSource, buildMode: DocumentModelBuildMode, options?: BeginBuildDocumentModelOptions): Promise<DocumentModelPoller>
Parameter
- modelId
-
string
die eindeutige ID des zu erstellenden Modells
- contentSource
- DocumentModelSource
Eine Inhaltsquelle, die die Trainingsdaten für dieses Modell bereitstellt
- buildMode
-
DocumentModelBuildMode
der Beim Erstellen des Modells zu verwendende Modus (siehe DocumentModelBuildMode
)
- options
- BeginBuildDocumentModelOptions
optionale Einstellungen für den Modellbuildvorgang
Gibt zurück
Promise<DocumentModelPoller>
Ein zeitintensiver Vorgang (Poller), der schließlich die erstellten Modellinformationen oder einen Fehler erzeugt.
beginBuildDocumentModel(string, string, DocumentModelBuildMode, BeginBuildDocumentModelOptions)
Erstellen Sie ein neues Modell mit einer angegebenen ID aus einem Satz von Eingabedokumenten und beschrifteten Feldern.
Die Modell-ID kann aus beliebigem Text bestehen, solange sie nicht mit "vordefinierten" beginnt (da sich diese Modelle auf vordefinierte Formularerkennung Modelle beziehen, die für alle Ressourcen gemeinsam sind), und solange sie nicht bereits innerhalb der Ressource vorhanden ist.
Der Formularerkennung-Dienst liest das Trainingsdataset aus einem Azure Storage-Container, der als URL für den Container mit einem SAS-Token angegeben wird, mit dem das Dienst-Back-End mit dem Container kommunizieren kann. Mindestens sind die Berechtigungen "Lesen" und "Listen" erforderlich. Darüber hinaus müssen die Daten im angegebenen Container nach einer bestimmten Konvention organisiert werden, die in der Dokumentation des Diensts zum Erstellen benutzerdefinierter Modelle dokumentiert ist.
Beispiel
const modelId = "aNewModel";
const containerUrl = "<training data container SAS URL>";
const poller = await client.beginBuildDocumentModel(modelId, containerUrl, {
// Optionally, a text description may be attached to the model
description: "This is an example model!"
});
// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();
const {
modelId, // identical to the modelId given when creating the model
description, // identical to the description given when creating the model
createdOn, // the Date (timestamp) that the model was created
docTypes // information about the document types in the model and their field schemas
} = modelDetails;
function beginBuildDocumentModel(modelId: string, containerUrl: string, buildMode: DocumentModelBuildMode, options?: BeginBuildDocumentModelOptions): Promise<DocumentModelPoller>
Parameter
- modelId
-
string
die eindeutige ID des zu erstellenden Modells
- containerUrl
-
string
SAS-codierte URL zu einem Azure Storage-Container mit dem Trainingsdatensatz
- buildMode
-
DocumentModelBuildMode
der Beim Erstellen des Modells zu verwendende Modus (siehe DocumentModelBuildMode
)
- options
- BeginBuildDocumentModelOptions
optionale Einstellungen für den Modellbuildvorgang
Gibt zurück
Promise<DocumentModelPoller>
ein Vorgang mit langer Ausführungsdauer (Poller), der schließlich die erstellten Modellinformationen oder einen Fehler erzeugt
beginComposeDocumentModel(string, Iterable<string>, BeginComposeDocumentModelOptions)
Erstellt ein einzelnes zusammengesetztes Modell aus mehreren bereits vorhandenen Untermodellen.
Das resultierende zusammengesetzte Modell kombiniert die Dokumenttypen seiner Komponentenmodelle und fügt einen Klassifizierungsschritt in die Extraktionspipeline ein, um zu bestimmen, welches seiner Komponentenuntermodelle für die angegebene Eingabe am besten geeignet ist.
Beispiel
const modelId = "aNewComposedModel";
const subModelIds = [
"documentType1Model",
"documentType2Model",
"documentType3Model"
];
// The resulting composed model can classify and extract data from documents
// conforming to any of the above document types
const poller = await client.beginComposeDocumentModel(modelId, subModelIds, {
description: "This is a composed model that can handle several document types."
});
// Model composition, like all other model creation operations, returns a poller that eventually produces a
// ModelDetails object
const modelDetails = await poller.pollUntilDone();
const {
modelId, // identical to the modelId given when creating the model
description, // identical to the description given when creating the model
createdOn, // the Date (timestamp) that the model was created
docTypes // information about the document types of the composed submodels
} = modelDetails;
function beginComposeDocumentModel(modelId: string, componentModelIds: Iterable<string>, options?: BeginComposeDocumentModelOptions): Promise<DocumentModelPoller>
Parameter
- modelId
-
string
die eindeutige ID des zu erstellenden Modells
- componentModelIds
-
Iterable<string>
eine Iterable von Zeichenfolgen, die die eindeutigen Modell-IDs der zu erstellenden Modelle darstellen
- options
- BeginComposeDocumentModelOptions
optionale Einstellungen für die Modellerstellung
Gibt zurück
Promise<DocumentModelPoller>
ein Vorgang mit langer Ausführungsdauer (Poller), der schließlich die erstellten Modellinformationen oder einen Fehler erzeugt
beginCopyModelTo(string, CopyAuthorization, BeginCopyModelOptions)
Kopiert ein Modell mit der angegebenen ID in die Ressource und modell-ID, die durch eine bestimmte Kopierautorisierung codiert ist.
Weitere Informationen finden Sie unter CopyAuthorization und getCopyAuthorization.
Beispiel
// We need a client for the source model's resource
const sourceEndpoint = "https://<source resource name>.cognitiveservices.azure.com";
const sourceCredential = new AzureKeyCredential("<source api key>");
const sourceClient = new DocumentModelAdministrationClient(sourceEndpoint, sourceCredential);
// We create the copy authorization using a client authenticated with the destination resource. Note that these two
// resources can be the same (you can copy a model to a new ID in the same resource).
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");
// Finally, use the _source_ client to copy the model and await the copy operation
const poller = await sourceClient.beginCopyModelTo("<source model ID>");
// Model copying, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();
const {
modelId, // identical to the modelId given when creating the copy authorization
description, // identical to the description given when creating the copy authorization
createdOn, // the Date (timestamp) that the model was created
docTypes // information about the document types of the model (identical to the original, source model)
} = modelDetails;
function beginCopyModelTo(sourceModelId: string, authorization: CopyAuthorization, options?: BeginCopyModelOptions): Promise<DocumentModelPoller>
Parameter
- sourceModelId
-
string
die eindeutige ID des Quellmodells, das kopiert wird
- authorization
- CopyAuthorization
eine Autorisierung zum Kopieren des Modells, die mit der getCopyAuthorization erstellt wurde
- options
- BeginCopyModelOptions
optionale Einstellungen für
Gibt zurück
Promise<DocumentModelPoller>
ein Vorgang mit langer Ausführungsdauer (Poller), der schließlich die kopierten Modellinformationen oder einen Fehler erzeugt
deleteDocumentClassifier(string, OperationOptions)
Löscht einen Klassifizierer mit der angegebenen ID aus der Ressource des Clients, sofern vorhanden. Dieser Vorgang KANN NICHT wiederhergestellt werden.
Beispiel
await client.deleteDocumentClassifier("<classifier ID to delete>"));
function deleteDocumentClassifier(classifierId: string, options?: OperationOptions): Promise<void>
Parameter
- classifierId
-
string
die eindeutige ID des Klassifizierers, der aus der Ressource gelöscht werden soll
- options
- OperationOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<void>
deleteDocumentModel(string, DeleteDocumentModelOptions)
Löscht ein Modell mit der angegebenen ID aus der Ressource des Clients, sofern vorhanden. Dieser Vorgang KANN NICHT wiederhergestellt werden.
Beispiel
await client.deleteDocumentModel("<model ID to delete>"));
function deleteDocumentModel(modelId: string, options?: DeleteDocumentModelOptions): Promise<void>
Parameter
- modelId
-
string
die eindeutige ID des Modells, das aus der Ressource gelöscht werden soll
- options
- DeleteDocumentModelOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<void>
getCopyAuthorization(string, GetCopyAuthorizationOptions)
Erstellt eine Autorisierung zum Kopieren eines Modells in die Ressource, die mit der beginCopyModelTo
-Methode verwendet wird.
Die CopyAuthorization
gewährt einer anderen Cognitive Service-Ressource das Recht, ein Modell in der Ressource dieses Clients mit der Modell-ID und der optionalen Beschreibung zu erstellen, die in die Autorisierung codiert sind.
Beispiel
// The copyAuthorization data structure stored below grants any cognitive services resource the right to copy a
// model into the client's resource with the given destination model ID.
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");
function getCopyAuthorization(destinationModelId: string, options?: GetCopyAuthorizationOptions): Promise<CopyAuthorization>
Parameter
- destinationModelId
-
string
die eindeutige ID des Zielmodells (die ID, in die das Modell kopiert werden soll)
- options
- GetCopyAuthorizationOptions
optionale Einstellungen zum Erstellen der Kopierautorisierung
Gibt zurück
Promise<CopyAuthorization>
eine Kopierautorisierung, die die angegebene modelId codiert, und eine optionale Beschreibung
getDocumentClassifier(string, OperationOptions)
Ruft Informationen zu einem Klassifizierer (DocumentClassifierDetails) nach ID ab.
Beispiel
const classifierId = "<classifier ID";
const {
classifierId, // identical to the ID given when calling `getDocumentClassifier`
description, // a textual description of the classifier, if provided during classifier creation
createdOn, // the Date (timestamp) that the classifier was created
// information about the document types in the classifier and their corresponding traning data
docTypes
} = await client.getDocumentClassifier(classifierId);
// The `docTypes` property is a map of document type names to information about the training data
// for that document type.
for (const [docTypeName, classifierDocTypeDetails] of Object.entries(docTypes)) {
console.log(`- '${docTypeName}': `, classifierDocTypeDetails);
}
function getDocumentClassifier(classifierId: string, options?: OperationOptions): Promise<DocumentClassifierDetails>
Parameter
- classifierId
-
string
die eindeutige ID des abzufragenden Klassifizierers
- options
- OperationOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<DocumentClassifierDetails>
Informationen zum Klassifizierer mit der angegebenen ID
getDocumentModel(string, GetModelOptions)
Ruft Informationen zu einem Modell (DocumentModelDetails) nach ID ab.
Diese Methode kann Informationen zu benutzerdefinierten und vordefinierten Modellen abrufen.
Breaking Change
In früheren Versionen der Formularerkennung REST-API und sdk konnte die getModel
-Methode jedes Modell zurückgeben, auch eines, das aufgrund von Fehlern nicht erstellt werden konnte. Erstellen Sie in den neuen Dienstversionen nur erfolgreich erstellte Modelle (d. h. Modelle, getDocumentModel
listDocumentModels
die "bereit" für die Verwendung sind). Fehlerhafte Modelle werden jetzt über die "Operations"-APIs abgerufen. Weitere Informationen finden Sie unter getOperation und listOperations.
Beispiel
// The ID of the prebuilt business card model
const modelId = "prebuilt-businessCard";
const {
modelId, // identical to the modelId given when calling `getDocumentModel`
description, // a textual description of the model, if provided during model creation
createdOn, // the Date (timestamp) that the model was created
// information about the document types in the model and their field schemas
docTypes: {
// the document type of the prebuilt business card model
"prebuilt:businesscard": {
// an optional, textual description of this document type
description,
// the schema of the fields in this document type, see the FieldSchema type
fieldSchema,
// the service's confidences in the fields (an object with field names as properties and numeric confidence
// values)
fieldConfidence
}
}
} = await client.getDocumentModel(modelId);
function getDocumentModel(modelId: string, options?: GetModelOptions): Promise<DocumentModelDetails>
Parameter
- modelId
-
string
die eindeutige ID des abzufragenden Modells
- options
- GetModelOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<DocumentModelDetails>
Informationen zum Modell mit der angegebenen ID
getOperation(string, GetOperationOptions)
Ruft Informationen zu einem Vorgang (OperationDetails
) anhand seiner ID ab.
Vorgänge stellen Nicht-Analyseaufgaben dar, z. B. das Erstellen, Komponieren oder Kopieren eines Modells.
function getOperation(operationId: string, options?: GetOperationOptions): Promise<OperationDetails>
Parameter
- operationId
-
string
die ID des abzufragenden Vorgangs
- options
- GetOperationOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<OperationDetails>
Informationen zum Vorgang mit der angegebenen ID
Beispiel
// The ID of the operation, which should be a GUID
const operationId = "<operation GUID>";
const {
operationId, // identical to the operationId given when calling `getOperation`
kind, // the operation kind, one of "documentModelBuild", "documentModelCompose", or "documentModelCopyTo"
status, // the status of the operation, one of "notStarted", "running", "failed", "succeeded", or "canceled"
percentCompleted, // a number between 0 and 100 representing the progress of the operation
createdOn, // a Date object that reflects the time when the operation was started
lastUpdatedOn, // a Date object that reflects the time when the operation state was last modified
} = await client.getOperation(operationId);
getResourceDetails(GetResourceDetailsOptions)
Rufen Sie grundlegende Informationen zur Ressource dieses Clients ab.
Beispiel
const {
// Information about the custom models in the current resource
customDocumentModelDetails: {
// The number of custom models in the current resource
count,
// The maximum number of models that the current resource can support
limit
}
} = await client.getResourceDetails();
function getResourceDetails(options?: GetResourceDetailsOptions): Promise<ResourceDetails>
Parameter
- options
- GetResourceDetailsOptions
optionale Einstellungen für die Anforderung
Gibt zurück
Promise<ResourceDetails>
Grundlegende Informationen zur Ressource dieses Clients
listDocumentClassifiers(ListModelsOptions)
Auflisten von Details zu Klassifizierern in der Ressource. Dieser Vorgang unterstützt das Paging.
Beispiele
Asynchrone Iteration
for await (const details of client.listDocumentClassifiers()) {
const {
classifierId, // The classifier's unique ID
description, // a textual description of the classifier, if provided during creation
docTypes, // information about the document types in the classifier and their corresponding traning data
} = details;
}
Seite nach Seite
// The listDocumentClassifiers method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentClassifiers().byPage();
for await (const page of pages) {
// Each page is an array of classifiers and can be iterated synchronously
for (const details of page) {
const {
classifierId, // The classifier's unique ID
description, // a textual description of the classifier, if provided during creation
docTypes, // information about the document types in the classifier and their corresponding traning data
} = details;
}
}
function listDocumentClassifiers(options?: ListModelsOptions): PagedAsyncIterableIterator<DocumentClassifierDetails, DocumentClassifierDetails[], PageSettings>
Parameter
- options
- ListModelsOptions
optionale Einstellungen für die Klassifizierungsanforderungen
Gibt zurück
eine asynchrone Iterable von Klassifiziererdetails, die Paging unterstützt
listDocumentModels(ListModelsOptions)
Listen Sie Zusammenfassungen von Modellen in der Ressource auf. Benutzerdefinierte sowie vordefinierte Modelle sind enthalten. Dieser Vorgang unterstützt das Paging.
Die Modellzusammenfassung (DocumentModelSummary) enthält nur die grundlegenden Informationen zum Modell und enthält keine Informationen zu den Dokumenttypen im Modell (z. B. feldschemas und Konfidenzwerte).
Verwenden Sie getDocumentModel, um auf die vollständigen Informationen zum Modell zuzugreifen.
Breaking Change
In früheren Versionen der Formularerkennung REST-API und sdk hat die listModels
Methode alle Modelle zurückgegeben, auch die Modelle, die aufgrund von Fehlern nicht erstellt werden konnten. Erstellen Sie in den neuen Dienstversionen nur erfolgreich erstellte Modelle (d. h. Modelle, listDocumentModels
getDocumentModel
die "bereit" für die Verwendung sind). Fehlerhafte Modelle werden jetzt über die "Operations"-APIs abgerufen. Weitere Informationen finden Sie unter getOperation und listOperations.
Beispiele
Asynchrone Iteration
for await (const summary of client.listDocumentModels()) {
const {
modelId, // The model's unique ID
description, // a textual description of the model, if provided during model creation
} = summary;
// You can get the full model info using `getDocumentModel`
const model = await client.getDocumentModel(modelId);
}
Seite nach Seite
// The listDocumentModels method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentModels().byPage();
for await (const page of pages) {
// Each page is an array of models and can be iterated synchronously
for (const model of page) {
const {
modelId, // The model's unique ID
description, // a textual description of the model, if provided during model creation
} = summary;
// You can get the full model info using `getDocumentModel`
const model = await client.getDocumentModel(modelId);
}
}
function listDocumentModels(options?: ListModelsOptions): PagedAsyncIterableIterator<DocumentModelSummary, DocumentModelSummary[], PageSettings>
Parameter
- options
- ListModelsOptions
optionale Einstellungen für die Modellanforderungen
Gibt zurück
eine asynchrone Iterable von Modellzusammenfassungen, die Paging unterstützt
listOperations(ListOperationsOptions)
Auflisten von Modellerstellungsvorgängen in der Ressource. Dadurch werden alle Vorgänge generiert, einschließlich Vorgängen, die nicht erfolgreich Modelle erstellt haben. Dieser Vorgang unterstützt das Paging.
Beispiele
Asynchrone Iteration
for await (const operation of client.listOperations()) {
const {
operationId, // the operation's GUID
status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
percentCompleted // the progress of the operation, from 0 to 100
} = operation;
}
Seite nach Seite
// The listOperations method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listOperations().byPage();
for await (const page of pages) {
// Each page is an array of operation info objects and can be iterated synchronously
for (const operation of page) {
const {
operationId, // the operation's GUID
status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
percentCompleted // the progress of the operation, from 0 to 100
} = operation;
}
}
function listOperations(options?: ListOperationsOptions): PagedAsyncIterableIterator<OperationSummary, OperationSummary[], PageSettings>
Parameter
- options
- ListOperationsOptions
optionale Einstellungen für die Vorgangsanforderungen
Gibt zurück
eine asynchrone Iterable von Vorgangsinformationsobjekten, die paging unterstützt