Cipta pengekstrak data invois terpantas dan tepat untuk output struktur menggunakan AI

Menggunakan LlamaExtract dengan Model Pydantic untuk Pengekstrakan Resit Kedai

Dalam artikel ini, kami akan meneroka cara menggunakan LlamaExtract yang digabungkan dengan skema daripada model Pydantic untuk mengekstrak data berstruktur daripada resit kedai. Pendekatan ini membantu dalam menyusun maklumat penerimaan secara sistematik, menjadikannya lebih mudah untuk dianalisis dan diurus.

Persediaan

Pertama, pastikan anda telah memasang perpustakaan klien ekstrak llama. Gunakan arahan berikut:

pip install llama-extract pydantic

Nota: Jika anda melihat notis tentang mengemas kini pip, anda boleh mengemas kininya menggunakan arahan yang disediakan.

Mula-mula, log masuk dan dapatkan kunci api secara percuma daripada Llama Index Cloud

Sediakan pembolehubah persekitaran untuk kunci API LlamaExtract anda:

import os

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

Muatkan Data

Untuk contoh ini, mari kita anggap kita mempunyai set data resit kedai dalam format PDF. Letakkan fail ini dalam direktori bernama resit.

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

Output hendaklah menyenaraikan laluan fail resit:

['data/receipts/receipt.pdf']

Takrifkan Model Pydantic

Kami akan mentakrifkan model data kami menggunakan Pydantic, ini akan memberitahu API medan/data yang kami jangkakan atau ingin ekstrak daripada PDF. Untuk resit kedai, kami mungkin berminat untuk mengeluarkan nama kedai, tarikh, jumlah amaun dan senarai item yang dibeli.

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]

Buat Skema

Kini, kita boleh menggunakan model Pydantic untuk mentakrifkan skema pengekstrakan dalam 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

Skema output hendaklah menyerupai yang berikut:

{
    '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'}
        }
    }
}

Jalankan Pengekstrakan

Dengan skema yang ditentukan, kami kini boleh mengekstrak data berstruktur daripada fail resit kami. Dengan menyatakan Resit sebagai model tindak balas, kami memastikan data yang diekstrak disahkan dan berstruktur.

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

Anda boleh mengakses output JSON mentah jika perlu:

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

Contoh output 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}
    ]
}

Kesimpulan

Dalam artikel ini, kami menunjukkan cara menggunakan LlamaExtract dengan model Pydantic untuk menentukan skema data dan mengekstrak data berstruktur daripada resit kedai. Pendekatan ini memastikan maklumat yang diekstrak adalah teratur dan disahkan, menjadikannya lebih mudah untuk dikendalikan dan dianalisis.

Ini juga boleh digunakan untuk banyak kes, invois, resit, laporan dll.

Selamat Pengekodan!!

Adakah anda mempunyai projek? yang anda mahu saya bantu anda e-mel saya??: wilbertmisingo@gmail.com

Ada soalan atau ingin menjadi orang pertama yang mengetahui tentang siaran saya:-
Ikuti ✅ saya di LinkedIn ?
Ikuti ✅ saya di Twitter/X ?

Atas ialah kandungan terperinci Cipta pengekstrak data invois terpantas dan tepat untuk output struktur menggunakan AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!