Créez l'extracteur de données de facture le plus rapide et le plus précis pour une sortie structurelle à l'aide de l'IA

Utilisation de LlamaExtract avec des modèles Pydantic pour l'extraction de reçus de magasin

Dans cet article, nous explorerons comment utiliser LlamaExtract incorporé aux schémas des modèles Pydantic afin d'extraire des données structurées à partir des reçus des magasins. Cette approche permet d'organiser systématiquement les informations sur les reçus, ce qui facilite leur analyse et leur gestion.

Installation

Tout d’abord, assurez-vous que la bibliothèque cliente llama-extract est installée. Utilisez la commande suivante :

pip install llama-extract pydantic

Remarque : Si vous voyez un avis concernant la mise à jour de pip, vous pouvez le mettre à jour à l'aide de la commande fournie.

Tout d'abord, connectez-vous et obtenez une clé API gratuitement auprès de Llama Index Cloud

Configurez la variable d'environnement pour votre clé API LlamaExtract :

import os

os.environ["LLAMA_CLOUD_API_KEY"] = "YOUR LLAMA INDEX CLOUD API HERE"

Charger des données

Pour cet exemple, supposons que nous disposions d'un ensemble de données de reçus de magasin au format PDF. Placez ces fichiers dans un répertoire nommé reçus.

DATA_DIR = "data/receipts"
fnames = os.listdir(DATA_DIR)
fnames = [fname for fname in fnames if fname.endswith(".pdf")]
fpaths = [os.path.join(DATA_DIR, fname) for fname in fnames]
fpaths

La sortie doit répertorier les chemins de fichiers des reçus :

['data/receipts/receipt.pdf']

Définir un modèle pydantique

Nous définirons notre modèle de données à l'aide de Pydantic, cela indiquerait à l'API quels champs/données nous attendons ou souhaitons extraire du PDF. Pour les reçus de magasin, nous pourrions être intéressés par extraire le nom du magasin, la date, le montant total et la liste des articles achetés.

from pydantic import BaseModel
from typing import List

class Item(BaseModel):
    name: str
    quantity: int
    price: float

class Receipt(BaseModel):
    store_name: str
    date: str
    total_amount: float
    items: List[Item]

Créer un schéma

Maintenant, nous pouvons utiliser le modèle Pydantic pour définir un schéma d'extraction dans LlamaExtract.

from llama_extract import LlamaExtract

extractor = LlamaExtract(verbose=True)
schema_response = await extractor.acreate_schema("Receipt Schema", data_schema=Receipt)
schema_response.data_schema

Le schéma de sortie doit ressembler à ce qui suit :

{
    'type': 'object',
    '$defs': {
        'Item': {
            'type': 'object',
            'title': 'Item',
            'required': ['name', 'quantity', 'price'],
            'properties': {
                'name': {'type': 'string', 'title': 'Name'},
                'quantity': {'type': 'integer', 'title': 'Quantity'},
                'price': {'type': 'number', 'title': 'Price'}
            }
        }
    },
    'title': 'Receipt',
    'required': ['store_name', 'date', 'total_amount', 'items'],
    'properties': {
        'store_name': {'type': 'string', 'title': 'Store Name'},
        'date': {'type': 'string', 'title': 'Date'},
        'total_amount': {'type': 'number', 'title': 'Total Amount'},
        'items': {
            'type': 'array',
            'title': 'Items',
            'items': {'$ref': '#/$defs/Item'}
        }
    }
}

Exécuter l'extraction

Une fois le schéma défini, nous pouvons désormais extraire des données structurées de nos fichiers de reçus. En spécifiant Receipt comme modèle de réponse, nous garantissons que les données extraites sont validées et structurées.

responses = await extractor.aextract(
    schema_response.id, fpaths, response_model=Receipt
)

Vous pouvez accéder à la sortie JSON brute si nécessaire :

data = responses[0].data
print(data)

Exemple de sortie JSON :

{
    'store_name': 'ABC Electronics',
    'date': '2024-08-05',
    'total_amount': 123.45,
    'items': [
        {'name': 'Laptop', 'quantity': 1, 'price': 999.99},
        {'name': 'Mouse', 'quantity': 1, 'price': 25.00},
        {'name': 'Keyboard', 'quantity': 1, 'price': 50.00}
    ]
}

Conclusion

Dans cet article, nous avons montré comment utiliser LlamaExtract avec les modèles Pydantic pour définir des schémas de données et extraire des données structurées à partir des reçus des magasins. Cette approche garantit que les informations extraites sont bien organisées et validées, ce qui les rend plus faciles à manipuler et à analyser.

Cela peut également être utilisé pour de nombreux cas, factures, reçus, rapports, etc.

Bon codage !!

Vous avez un projet ? que tu veux que je t'aide, envoie-moi un e-mail ??: wilbertmisingo@gmail.com

Vous avez une question ou souhaitez être le premier informé de mes publications :-
Suivez-moi ✅ sur LinkedIn ?
Suivez-moi ✅ sur Twitter/X ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!