从 PDF 中提取数据

适用于：Azure 数据工厂 Azure Synapse Analytics

本文介绍一个解决方案模板，该模板可用于通过 Azure 数据工厂和 Azure AI 文档智能从 PDF 源中提取数据。

该模板使用两个 Azure AI 文档智能调用来分析 PDF URL 源中的数据。 然后，它将输出转换为数据流中的可读表，并将数据输出到存储接收器。

该模板包含两个活动：

• 用于调用 Azure AI 文档智能的预构建读取模型 API 的 Web 活动
• 数据流：用于转换从 PDF 提取的数据

此模板定义了 5 个参数：

• CognitiveServicesURL 是 Azure AI 文档智能 URL (https://{endpoint}/formrecognizer/v2.1/layout/analyze)。 将 {endpoint} 替换为你通过 Azure AI 文档智能订阅获取的终结点。 需将默认值替换为你自己的 URL。
• CognitiveServicesKey 是 Azure AI 文档智能订阅密钥。 需将默认值替换为你自己的订阅密钥。
• PDF_SourceURL 是 PDF 源的 URL。 需将默认值替换为你自己的 URL。
• OutputContainer 是你希望将文件置于目标存储中时所采用的容器路径的名称。 需要将默认值替换为你自己的容器。
• OutputFolder 是你希望将文件置于目标存储中时所采用的文件夹路径的名称。 需将默认值替换为自己的文件夹路径。

• Azure AI 文档智能资源终结点 URL 和密钥（在此处创建新资源）

1. 转到模板“从 PDF 中提取数据”。 新建与 Azure AI 文档智能资源的连接，或选择现有连接。

   

   连接到 Azure AI 文档智能时，确保添加“链接服务参数”。 需要将此 url 参数用作动态基本 URL。 还需要在 Auth 标头下添加新的 Auth 标头。 名称应为 Ocp-Apim-Subscription-Key，值应该是在 Azure 资源中找到的密钥值。

   

2. 创建到目标存储的新连接，或选择现有连接。 所选的目标是存储所提取的 PDF 数据的位置。

   

3. 选择“使用此模板” 。

   

4. 你应该会看到以下管道。

   

5. 导航到“数据流”活动，找到“设置”。 在这里，需要为链接服务的 url 参数添加动态内容。 单击“添加动态内容”后，管道表达式生成器将打开。 选择“认知服务 - POST 活动输出”。 然后，键入或复制粘贴“.output.ADFWebActivityResponseHeaders['Operation-Location']”。应该会在表达式生成器中看到以下表达式。

   

   

6. 单击“确定”，返回到管道。

7. 接下来，选择“调试”。

   

8. 输入参数值，查看结果，然后进行发布。

• Azure 数据工厂的新增功能
• Azure 数据工厂简介