処理レスポンスを処理する

処理リクエストに対するレスポンスには、処理されたドキュメントに関する既知の情報をすべて保持する Document オブジェクトが含まれます。これには、Document AI が抽出できたすべての構造化情報が含まれます。

このページでは、サンプル ドキュメントを指定して、OCR 結果の側面を Document オブジェクト JSON の特定の要素にマッピングすることで、Document オブジェクトのレイアウトについて説明します。また、クライアント ライブラリのコードサンプルと Document AI Toolbox SDK のコードサンプルも提供されています。これらのコードサンプルではオンライン処理を使用していますが、Document オブジェクトの解析はバッチ処理でも同じように機能します。

handle-response-1

オレンジ色と青色の長方形と矢印は、接続されたオブジェクトの少なくとも 1 つのフィールドがそれぞれ .layout または detectedLanguage であることを表しています。この図では、カラスの足の表記を使用しています。

要素の展開や折りたたみに特化した JSON ビューアまたは編集ユーティリティを使用します。プレーン テキスト ユーティリティで未加工の JSON を確認するのは非効率的です。

テキスト、レイアウト、品質スコア

テキスト ドキュメントの例を次に示します。

handle-response-2

Enterprise Document OCR プロセッサから返されるドキュメント オブジェクト全体は次のとおりです。

JSON をダウンロード

OCR はプロセッサによって実行されるため、この OCR 出力は常に Document AI プロセッサの出力に含まれます。既存の OCR データを使用するため、インライン ドキュメント オプションを使用して、このような JSON データを Document AI プロセッサに入力できます。

  image=None, # all our samples pass this var
  mime_type="application/json",
  inline_document=document_response # pass OCR output to CDE input - undocumented

重要なフィールドをいくつか以下に示します。

生テキスト

text フィールドには、Document AI によって認識されたテキストが含まれます。このテキストには、スペース、タブ、改行以外のレイアウト構造は含まれていません。これは、ドキュメントのテキスト情報を保存し、ドキュメントのテキストの信頼できる唯一の情報源として機能する唯一のフィールドです。他のフィールドは、位置（startIndex と endIndex）でテキスト フィールドの一部を参照できます。

  {
    text: "Sample Document\nHeading 1\nLorem ipsum dolor sit amet, ..."
  }

ページサイズと言語

ドキュメント オブジェクト内の各 page は、サンプル ドキュメントの物理ページに対応しています。サンプル JSON 出力には、1 つの PNG 画像であるため、1 ページが含まれています。

  {
    "pages:" [
      {
        "pageNumber": 1,
        "dimension": {
          "width": 679.0,
          "height": 460.0,
          "unit": "pixels"
        },
      }
    ]
  }
  • pages[].detectedLanguages[] フィールドには、特定のページで検出された言語と信頼スコアが含まれます。