什么是文档智能布局模型？

此内容适用于：v4.0 (GA) | 以前的版本：v3.1 (GA)v3.0 (GA)v2.1 (GA)

Azure AI 文档智能布局模型是基于机器学习的高级文档分析 API。 该模型已在文档智能云中推出。 你可使用该模型使用各种格式的文档，并返回文档的结构化数据表示形式。 此模型结合了强大的增强版光学字符识别 (OCR) 功能与深度学习模型，能够提取文本、表、选择标记和文档结构。

文档结构布局分析

文档结构布局分析是分析文档以提取感兴趣的区域及其相互关系的过程。 目标是从页面中提取文本和结构元素，以构建更好的语义理解模型。 文档布局中有两种类型的角色：

• 几何角色：文本、表、图形和选择标记是几何角色的示例。
• 逻辑角色：标题、标头和页脚是文本逻辑角色的示例。

下图显示了示例页图像中的典型组件。

开发选项

文档智能 v4.0：2024-11-30 (GA) 支持以下工具、应用程序和库。

支持的语言

如需支持的语言的完整列表，请参阅语言支持 - 文档分析模型。

支持的文件类型

文档智能 v4.0：2024-11-30 (GA) 布局模型支持以下文件格式：

输入要求

• 照片和扫描：为获得最佳结果，请为每个文档提供一张清晰的照片或高质量的扫描。
• PDF 和 TIFF：对于 PDF 和 TIFF，最多可以处理 2,000 页。 （使用免费层订阅时，只处理前两个页面。
• 密码锁：如果 PDF 是密码锁定的，则必须在提交之前删除该锁。
• 文件大小：用于分析文档的文件大小是付费层 （S0） 层的 500 MB，免费层为 4 MB（F0） 层。
• 图像尺寸：图像尺寸必须介于 50 像素 x 50 像素与 10,000 像素 x 10,000 像素之间。
• 文本高度：对于 1024 x 768 像素的图像，要提取的文本的最小高度为 12 像素。 此尺寸对应于 150 点/英寸的大约 8 号字文本。
• 自定义模型训练：自定义模板模型的最大训练页数为 500，自定义神经模型为 50,000。
• 自定义提取模型训练：模板模型的训练数据总大小为 50 MB，神经网络模型的训练数据总大小为 1 GB。
• 自定义分类模型训练：训练数据的总大小为 1 GB，最大为 10,000 页。 对于 2024-11-30（GA），训练数据的总大小为 2 GB，最大为 10,000 页。
• Office 文件类型（DOCX、XLSX、PPTX）：最大字符串长度限制为 800 万个字符。

有关模型使用、配额和服务限制的详细信息，请参阅服务限制。

布局模型入门

了解如何使用文档智能从文档中提取数据，包括文本、表、表标题、选择标记和结构信息。 需要以下资源：

• 一份 Azure 订阅。 可以免费创建一个帐户。

• Azure 门户中的文档智能实例。 可以使用免费定价层 (F0) 来试用该服务。 在部署资源后，选择“转到资源”以获取密钥和终结点。

  

检索密钥和终结点后，使用以下开发选项生成和部署文档智能应用程序。

数据提取

布局模型从文档中提取结构元素。 本文的其余部分介绍了以下结构元素，以及如何从文档输入中提取这些元素的指南：

• 页
• 段落
• 文本、行和字词
• 选定标记
• Tables
• Markdown 的输出响应
• 图形
• 部分

在 Document Intelligence Studio 中运行示例布局文档分析。 然后转到“结果”选项卡并访问完整的 JSON 输出。

页

pages 集合是文档内页面的列表。 每个页面在文档中按顺序表示，包括方向角度，表示页面是否旋转以及宽度和高度（以像素为单位）。 模型输出中的页面单位计算，如下表所示。

# Analyze pages.
for page in result.pages:
print(f"----Analyzing layout from page #{page.page_number}----")
print(f"Page has width: {page.width} and height: {page.height}, measured with unit: {page.unit}")

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

提取所选页面

对于较大的多页文档，请使用 pages 查询参数指示用于文本提取的特定页码或页面范围。

段落

布局模型将 paragraphs 集合中所有已识别的文本块提取为 analyzeResults 下的顶级对象。 此集合中的每个条目都表示一个文本块，并包含提取的文本 (content) 和边界 polygon 坐标。 spans 信息指向包含文档全文的顶级 content 属性中的文本片段。

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

段落角色

新的基于机器学习的页面对象检测提取逻辑角色，如标题、节标头、页眉、页脚等。 文档智能布局模型为 paragraphs 集合中的某些文本块分配模型预测的特定角色或类型。

对于非结构化文档，最好使用段落角色来帮助了解所提取内容的布局，从而进行更丰富的语义分析。 支持以下段落角色。

{
    "paragraphs": [
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "title",
                    "content": "NEWS TODAY"
                },
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "sectionHeading",
                    "content": "Mirjam Nilsson"
                }
    ]
}

文本、行、字词

文档智能中的文档布局模型将打印和手写样式文本提取为 lines 和 words。 styles 集合包含任何手写的行样式（如果检测到的话）以及指向关联文本的跨度。 此功能适用于受支持的手写语言。

对于 Microsoft Word、Excel、PowerPoint 和 HTML，文档智能 v4.0 2024-11-30 (GA) 布局模型按原样提取所有嵌入文本。 文本被提取为字词和段落。 不支持嵌入图像。

# Analyze lines.
if page.lines:
    for line_idx, line in enumerate(page.lines):
    words = get_words(page, line)
    print(
        f"...Line # {line_idx} has word count {len(words)} and text '{line.content}' "
        f"within bounding polygon '{line.polygon}'"
    )

    # Analyze words.
    for word in words:
        print(f"......Word '{word.content}' has a confidence of {word.confidence}")

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

文本行的手写风格

响应将包括每个文本行是否为手写体，同时包括置信度分数。 有关详细信息，请参阅手写语言支持。 以下示例显示了一个示例 JSON 片段。

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

如果启用了字体/样式加载项功能，则还会获得作为 styles 对象的一部分的字体/样式结果。

选定标记

布局模型还从文档中提取选定标记。 提取的选定标记显示在每个页面的 pages 集合中。 它们包括边界 polygon、confidence 和选择 state (selected/unselected)。 文本表示形式（即 :selected: 和 :unselected）也会作为起始索引 (offset) 和 length 包含在内，后者引用了包含文档全文的顶级 content 属性。

# Analyze selection marks.
if page.selection_marks:
    for selection_mark in page.selection_marks:
        print(
            f"Selection mark is '{selection_mark.state}' within bounding polygon "
            f"'{selection_mark.polygon}' and has a confidence of {selection_mark.confidence}"
        )

{
    "selectionMarks": [
        {
            "state": "unselected",
            "polygon": [],
            "confidence": 0.995,
            "span": {
                "offset": 1421,
                "length": 12
            }
        }
    ]
}

表

提取表是处理包含大量数据（通常格式化为表）的文档的关键要求。 此布局模型提取 JSON 输出的 pageResults 部分中的表。 提取的表信息包括列数和行数、行高和列高。

系统会输出带有边界多边形的每个单元格，以及指明该区域是否识别为 columnHeader 的信息。 该模型支持提取旋转的表。 每个表单元格都包含行和列索引以及边界多边形坐标。 对于单元格文本，模型输出包含起始索引 (offset) 的 span 信息。 该模型还输出包含文档全文的顶级内容中的 length。

以下是使用文档智能包提取功能时要考虑的几个因素：

• 要提取的数据是否以表的形式呈现，该表的结构是否有意义？
• 如果数据不采用表格式，数据是否适合放入二维网格？
• 表是否跨越多个页面？ 如果是，请在将 PDF 发送到文档智能之前将其拆分为多个页面，这样就不必标记所有页面。 分析后，将页面后处理为单个表。
• 如果创建自定义模型，请参阅表格字段。 对于每个列，动态表包含可变数量的行。 对于每个列，固定表包含恒定数量的行。

if result.tables:
    for table_idx, table in enumerate(result.tables):
        print(f"Table # {table_idx} has {table.row_count} rows and " f"{table.column_count} columns")
        if table.bounding_regions:
            for region in table.bounding_regions:
                print(f"Table # {table_idx} location on page: {region.page_number} is {region.polygon}")
        # Analyze cells.
        for cell in table.cells:
            print(f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'")
            if cell.bounding_regions:
                for region in cell.bounding_regions:
                print(f"...content on page {region.page_number} is within bounding polygon '{region.polygon}'")

{
    "tables": [
        {
            "rowCount": 9,
            "columnCount": 4,
            "cells": [
                {
                    "kind": "columnHeader",
                    "rowIndex": 0,
                    "columnIndex": 0,
                    "columnSpan": 4,
                    "content": "(In millions, except earnings per share)",
                    "boundingRegions": [],
                    "spans": []
                    },
            ]
        }
    ]
}

以 Markdown 格式输出响应

布局 API 可以输出 Markdown 格式的提取文本。 使用 outputContentFormat=markdown 在 Markdown 中指定输出格式。 Markdown 内容作为 content 部分的一部分输出。

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

PageHeader="This is the header of the document."

This is title
===
# 1\. Text
Latin refers to an ancient Italic language originating in the region of Latium in ancient Rome.
# 2\. Page Objects
## 2.1 Table
Here's a sample table below, designed to be simple for easy understand and quick reference.
| Name | Corp | Remark |
| - | - | - |
| Foo | | |
| Bar | Microsoft | Dummy |
Table 1: This is a dummy table
## 2.2. Figure
<figure>
<figcaption>

Figure 1: Here is a figure with text
</figcaption>

![](figures/0)
FigureContent="500 450 400 400 350 250 200 200 200- Feb"
</figure>

# 3\. Others
Al Document Intelligence is an Al service that applies advanced machine learning to extract text, key-value pairs, tables, and structures from documents automatically and accurately:
    :selected:
clear
    :selected:
precise
    :unselected:
vague
    :selected:
coherent
    :unselected:
Incomprehensible
Turn documents into usable data and shift your focus to acting on information rather than compiling it. Start with prebuilt models or create custom models tailored to your documents both on premises and in the cloud with the Al Document Intelligence studio or SDK.
Learn how to accelerate your business processes by automating text extraction with Al Document Intelligence. This webinar features hands-on demos for key use cases such as document processing, knowledge mining, and industry-specific Al model customization.
PageFooter="This is the footer of the document."
PageFooter="1 | Page"

图形

文档中的图形（图表和图像）在补充和强化文本内容方面起着至关重要的作用。 图形提供了有助于理解复杂信息的视觉表现形式。 布局模型检测到的 figures 对象具有如下键属性：

• boundingRegions：文档页上图形的空间位置，包括页码和概述图形边界的多边形坐标。
• spans：与指定文档文本中的偏移量和长度的图形相关的文本跨度。 此连接有助于将图形与其相关的文本上下文相关联。
• elements：与图形相关的文档内文本元素或段落的标识符。
• caption：如有，则为说明。

在初始分析操作期间指定了 output=figures 时，该服务会为可通过 /analyeResults/{resultId}/figures/{figureId} 访问的所有检测到的图形生成裁剪的图像。 ID 中的 FigureId 值包含在每个图形对象中，遵循一个未记录的约定 {pageNumber}.{figureIndex}（其中，对于每个页面，figureIndex 均重置为 1）。

对于 v4.0 2024-11-30 (GA)，图形和表格的边界区域仅涵盖核心内容，不包括关联的标题栏和脚注。

# Analyze figures.
if result.figures:
    for figures_idx,figures in enumerate(result.figures):
        print(f"Figure # {figures_idx} has the following spans:{figures.spans}")
        for region in figures.bounding_regions:
            print(f"Figure # {figures_idx} location on page:{region.page_number} is within bounding polygon '{region.polygon}'")

{
    "figures": [
        {
        "id": "{figureId}",
        "boundingRegions": [],
        "spans": [],
        "elements": [
            "/paragraphs/15",
            ...
        ],
        "caption": {
            "content": "Here is a figure with some text",
            "boundingRegions": [],
            "spans": [],
            "elements": [
            "/paragraphs/15"
            ]
        }
        }
    ]
}

部分

分层文档结构分析对于组织、理解和处理大量文档至关重要。 此方法对于对长文档进行语义分段以增强理解、促进导航和改进信息检索至关重要。 文档生成 AI 中 检索扩充的生成（RAG） 的出现突显了分层文档结构分析的重要性。

布局模型支持输出中的部分和子部分，它标识部分和每个部分中对象的关系。 分层结构在每个部分的 elements 中维护。 可以使用以 Markdown 格式输出响应轻松获取 Markdown 中的部分和子部分。

document_intelligence_client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))
poller = document_intelligence_client.begin_analyze_document(
    "prebuilt-layout",
    AnalyzeDocumentRequest(url_source=url),
    output_content_format=ContentFormat.MARKDOWN,
)

{
    "sections": [
        {
        "spans": [],
        "elements": [
            "/paragraphs/0",
            "/sections/1",
            "/sections/2",
            "/sections/5"
        ]
        },
...
}

此内容适用于：v3.1 (GA) | 最新版本：v4.0 (GA) | 以前的版本：v3.0v2.1

此内容适用于：v3.0 (GA) | 最新版本：v4.0 (GA)v3.1 | 以前的版本：v2.1

此内容适用于：v2.1 | 最新版本：v4.0 (GA)

文档智能布局模型是高级文档分析 API。 该模型基于机器学习，可在文档智能云中使用。 你可使用该模型使用各种格式的文档，并返回文档的结构化数据表示形式。 该模型结合了增强版强大的 OCR 功能与深度学习模型。 可以用于提取文本、表格、选定标记和文档结构。

文档布局分析

文档结构布局分析是分析文档以提取感兴趣的区域及其相互关系的过程。 目标是从页面中提取文本和结构元素，以构建更好的语义理解模型。 文档布局中有两种类型的角色：

• 几何角色：文本、表、图形和选择标记是几何角色的示例。
• 逻辑角色：标题、标头和页脚是文本逻辑角色的示例。

下图显示了示例页图像中的典型组件。

支持的语言和区域设置

如需支持的语言的完整列表，请参阅语言支持 - 文档分析模型。

文档智能 v2.1 支持以下工具、应用程序和库。

输入指导

支持的文件格式：

• 照片和扫描：为获得最佳结果，请为每个文档提供一张清晰的照片或高质量的扫描。
• PDF 和 TIFF：对于 PDF 和 TIFF，最多可以使用免费层订阅处理 2,000 页。 仅处理前两页。
• 文件大小：用于分析文档的文件大小是付费层 （S0） 层的 500 MB，免费层为 4 MB（F0） 层。
• 图像尺寸：图像尺寸必须介于 50 像素 x 50 像素与 10,000 像素 x 10,000 像素之间。
• 密码锁：如果 PDF 是密码锁定的，则必须在提交之前删除该锁。
• 文本高度：对于 1024 x 768 像素的图像，要提取的文本的最小高度为 12 像素。 此尺寸对应于 150 点/英寸的大约 8 号字文本。
• 自定义模型训练：自定义模板模型的最大训练页数为 500，自定义神经模型为 50,000。
• 自定义提取模型训练：模板模型的训练数据总大小为 50 MB，神经网络模型的训练数据总大小为 1 GB。
• 自定义分类模型训练：训练数据的总大小为 1 GB，最大为 10,000 页。 对于 2024-11-30（GA），训练数据的总大小为 2 GB，最大为 10,000 页。
• Office 文件类型（DOCX、XLSX、PPTX）：最大字符串长度限制为 800 万个字符。

输入指南

• 支持的文件格式：JPEG、PNG、PDF 和 TIFF。
• 支持的页数：对于 PDF 和 TIFF，最多处理 2,000 页。 对于免费层订阅服务器，只处理前两页。
• 支持的文件大小：文件大小必须小于 50 MB，且尺寸必须介于 50 x 50 和 10,000 x 10,000 像素之间。

开始

可以使用文档智能从文档中提取文本、表格、表标题、选定标记和结构信息等数据。 需要以下资源：

• 一份 Azure 订阅。 可以免费创建一个帐户。
• Azure 门户中的文档智能实例。 可以使用免费定价层 (F0) 来试用该服务。 在部署资源后，选择“转到资源”以获取密钥和终结点。

检索密钥和终结点后，可以使用以下开发选项来生成和部署文档智能应用程序。

REST API

• 文档智能 v2.1（表单识别器）

文档智能示例标记工具

1. 前往文档智能示例标记工具。

2. 在示例工具主页上，选择“使用布局获取文本、表和选择标记”。

   

3. 在“文档智能服务终结点”字段中，粘贴使用文档智能订阅获得的终结点。

4. 在“密钥”字段中，粘贴从文档智能资源中获取的密钥。

5. 在“来源”字段中，从下拉菜单中选择 URL。 可以使用示例文档：

   • 示例文档。

   • 选择“提取”。

6. 选择“运行布局”。 文档智能示例标记工具调用分析布局 API 来分析文档。

   

7. 查看结果。 查看突出显示的提取的文本、检测到的选择标记和检测到的表。

   

文档智能 v2.1 支持以下工具、应用程序和库。

提取数据

布局模型从文档中提取结构元素。 此处介绍了结构元素，以下指南演示如何从文档输入中提取这些内容。

• 第
• 段落
• 文本、行和单词
• 选定标记
• 表
• 批注

提取数据

布局模型从文档中提取结构元素。 此处介绍了结构元素，以下指南演示如何从文档输入中提取这些内容。

• 第
• 段落
• 文本、行和单词
• 选定标记
• 表
• 自然阅读顺序
• 选择页码或范围

页

pages 集合是文档内页面的列表。 每个页面在文档中按顺序表示，包括方向角度，表示页面是否旋转以及宽度和高度（以像素为单位）。 模型输出中的页面单位计算，如下表所示。

"pages": [
    {
        "pageNumber": 1,
        "angle": 0,
        "width": 915,
        "height": 1190,
        "unit": "pixel",
        "words": [],
        "lines": [],
        "spans": []
    }
]

从文档中提取所选页面

对于较大的多页文档，请使用 pages 查询参数指示用于文本提取的特定页码或页面范围。

段落

布局模型将 paragraphs 集合中所有已识别的文本块提取为 analyzeResults 下的顶级对象。 此集合中的每个条目都表示一个文本块，并包含提取的文本 (content) 和边界 polygon 坐标。 span 信息指向包含文档全文的顶级 content 属性中的文本片段。

"paragraphs": [
    {
        "spans": [],
        "boundingRegions": [],
        "content": "While healthcare is still in the early stages of its Al journey, we are seeing pharmaceutical and other life sciences organizations making major investments in Al and related technologies.\" TOM LAWRY | National Director for Al, Health and Life Sciences | Microsoft"
    }
]

段落角色

新的基于机器学习的页面对象检测提取逻辑角色，如标题、节标头、页眉、页脚等。 文档智能布局模型为 paragraphs 集合中的某些文本块分配模型预测的特定角色或类型。 对于非结构化文档，最好使用段落角色来帮助了解所提取内容的布局，从而进行更丰富的语义分析。 支持以下段落角色。

{
    "paragraphs": [
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "title",
                    "content": "NEWS TODAY"
                },
                {
                    "spans": [],
                    "boundingRegions": [],
                    "role": "sectionHeading",
                    "content": "Mirjam Nilsson"
                }
    ]
}

文本、行和单词

文档智能中的文档布局模型将打印和手写样式文本提取为行和单词。 styles 集合包含任何手写的行样式（如果检测到的话）以及指向关联文本的跨度。 此功能适用于受支持的手写语言。

对于 Word、Excel、PowerPoint 和 HTML，文档智能 v4.0 2024-11-30 (GA) 布局模型按原样提取所有嵌入文本。 文本被提取为字词和段落。 不支持嵌入图像。

"words": [
    {
        "content": "While",
        "polygon": [],
        "confidence": 0.997,
        "span": {}
    },
],
"lines": [
    {
        "content": "While healthcare is still in the early stages of its Al journey, we",
        "polygon": [],
        "spans": [],
    }
]

手写风格

响应将分类说明每个文本行是否为手写体，同时包括置信度评分。 有关详细信息，请参阅手写语言支持。 以下示例显示了一个示例 JSON 片段。

"styles": [
{
    "confidence": 0.95,
    "spans": [
    {
        "offset": 509,
        "length": 24
    }
    "isHandwritten": true
    ]
}

如果启用了字体/样式加载项功能，则还会获得作为 styles 对象的一部分的字体/样式结果。

选择标记

布局模型还从文档中提取选定标记。 提取的选定标记显示在每个页面的 pages 集合中。 它们包括边界 polygon、confidence 和选择 state (selected/unselected)。 文本表示形式（即 :selected: 和 :unselected）也会作为起始索引 (offset) 和 length 包含在内，后者引用了包含文档全文的顶级 content 属性。

{
    "selectionMarks": [
        {
            "state": "unselected",
            "polygon": [],
            "confidence": 0.995,
            "span": {
                "offset": 1421,
                "length": 12
            }
        }
    ]
}

表

提取表是处理包含大量数据（通常格式化为表）的文档的关键要求。 此布局模型提取 JSON 输出的 pageResults 部分中的表。 提取的表信息包括列数和行数、行高和列高。 系统会输出带有边界多边形的每个单元格，以及指明该区域是否识别为 columnHeader 的信息。

该模型支持提取旋转的表。 每个表单元格都包含行和列索引以及边界多边形坐标。 对于单元格文本，模型输出包含起始索引 (offset) 的 span 信息。 该模型还输出包含文档全文的顶级内容中的 length。

以下是使用文档智能包提取功能时要考虑的几个因素：

• 要提取的数据是否以表的形式呈现，该表的结构是否有意义？
• 如果数据不采用表格式，数据是否适合放入二维网格？
• 表是否跨越多个页面？ 如果是，请在将 PDF 发送到文档智能之前将其拆分为多个页面，这样就不必标记所有页面。 分析后，将页面后处理为单个表。
• 如果创建自定义模型，请参阅表格字段。 对于每个列，动态表包含可变数量的行。 对于每个列，固定表包含恒定数量的行。

{
    "tables": [
        {
            "rowCount": 9,
            "columnCount": 4,
            "cells": [
                {
                    "kind": "columnHeader",
                    "rowIndex": 0,
                    "columnIndex": 0,
                    "columnSpan": 4,
                    "content": "(In millions, except earnings per share)",
                    "boundingRegions": [],
                    "spans": []
                    },
            ]
        }
    ]
}

批注

布局模型可提取文档中的注释，例如对勾和叉号标记。 响应包括注释类型以及置信度分数和边界多边形。

    {
    "pages": [
    {
        "annotations": [
        {
            "kind": "cross",
            "polygon": [...],
            "confidence": 1
        }
        ]
    }
    ]
}

自然读取顺序输出（仅限拉丁语）

你可以使用 readingOrder 查询参数指定文本行的输出顺序。 使用 natural 可提供更易于阅读的读取顺序输出，如以下示例中所示。 此功能仅支持拉丁语。

选择用于文本提取的页码或范围

对于较大的多页文档，请使用 pages 查询参数指示用于文本提取的特定页码或页面范围。 以下示例演示了一个包含 10 个页面的文档，将按照所有页面 (1-10) 和选定页面 (3-6) 这两种条件提取文本。

Get Analyze Layout Result 操作

第二步是调用 Get Analyze Layout Result 操作。 此操作采用 Analyze Layout 操作创建的结果 ID 作为输入。 此操作返回一个 JSON 响应，其中包含具有以下可能值的 status 字段。

可以不断地以迭代方式调用此操作，直到它返回 succeeded 值为止。 为了避免超过每秒请求数 (RPS) 速率，请使用 3 到 5 秒的间隔。

当“状态”字段的值为 succeeded 时，JSON 响应将包含提取的布局、文本、表和选定标记。 提取的数据包括提取的文本行和单词、边界框、带有手写指示的文本外观、表以及所指示的选定/未选择的选定标记。

文本行的手写分类（仅限拉丁语）

响应将分类说明每个文本行是否为手写体，同时包括置信度分数。 此功能仅支持拉丁语。 以下示例演示了图像中文本的手写分类。

示例 JSON 输出

对 Get Analyze Layout Result 操作的响应是文档的结构化表示形式，其中提取了所有信息。 查看示例文档文件及其结构化输出示例布局输出。

JSON 输出分为两个部分：

• readResults 节点包含所有已识别的文本和选定标记。 文本的呈现层次结构依次是页面、行和单个单词。
• pageResults 节点包含提取的表和单元格及其边界框、置信度以及对 readResults 字段中的行和词的引用。

示例输出

文本

布局 API 可从具有多种文本角度和颜色的文档和图像提取文本。 支持使用文档、传真、打印和/或手写（仅英文）文本和混合模式的照片。 提取文本时会提供有关行、词、边界框、置信度评分和样式（手写体或其他样式）的信息。 所有文本信息都包含在 JSON 输出的 readResults 部分中。

包含表头的表

布局 API 可提取 JSON 输出的 pageResults 部分中的表。 可以扫描、拍摄或数字化文档。 表可能会比较复杂，有的带合并单元格或列，有的带边框，有的不带边框，还有的带奇角。

提取的表信息包括列数和行数、行高和列高。 系统会输出带有边界框的每个单元格，以及指明该区域是否识别为标头一部分的信息。 模型预测的表头单元格可以跨多行，并且不一定是表中的第一行。 它们也适用于经过旋转的表。 每个表单元格还包含完整文本，这些文本引用 readResults 节中的单个字词。

选择标记（文档）

布局 API 还从文档中提取选定标记。 提取的选定标记包含边界框、置信度和状态（选择/取消选择）。 在 JSON 输出的 readResults 部分提取选定标记信息。

迁移指南

• 请参阅文档智能 v3.1 迁移指南中的步骤，以了解如何在应用程序和工作流中使用 v3.1 版本。

• 了解如何使用 Document Intelligence Studio 来处理自己的表单和文档。
• 完成文档智能快速入门，并使用你选择的开发语言创建文档处理应用。

• 在 GitHub 上查找更多示例。

• 在 GitHub 上查找更多示例。

• 了解如何使用文档智能示例标记工具处理你自己的表单和文档。
• 完成文档智能快速入门，并使用你选择的开发语言创建文档处理应用。