Azure形式识别器未在Databrick上找到与Python的内容

Question

我正在使用相关认知表格识别器库在数据映中执行以下python：

from azure.ai.formrecognizer import FormRecognizerClient
from azure.core.credentials import AzureKeyCredential
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
credential = AzureKeyCredential("aaa6123af5b843a38044538d95584c3d")
endpoint= "https://myformrecognizr.cognitiveservices.azure.com/"

form_recognizer_client = FormRecognizerClient(endpoint, credential)

with open("/dbfs/mnt/lake/RAW/export/Picturehouse.pdf", "rb") as fd:
    form = fd.read()

poller = form_recognizer_client.begin_recognize_content(form)
form_pages = poller.result()

for content in form_pages:
    for table in content.tables:
        print("Table found on page {}:".format(table.page_number))
        print("Table location {}:".format(table.bounding_box))
        for cell in table.cells:
            print("Cell text: {}".format(cell.text))
            print("Location: {}".format(cell.bounding_box))
            print("Confidence score: {}\n".format(cell.confidence))

    if content.selection_marks:
        print("Selection marks found on page {}:".format(content.page_number))
        for selection_mark in content.selection_marks:
            print("Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
                selection_mark.state,
                selection_mark.bounding_box,
                selection_mark.confidence
            ))

PDF表格看起来如下：

库识别 单元文本：项目 单元文字：数量 手机文字：座位分配 单元文本：小计 手机文字：成人 单元文本：1 单元文本：D-11 单元文本：14.50

，但没有识别PDF中的以下文本：

您可以通过显示电子入场来直接进入屏幕 迎来。或者，您可以在票房收集门票 在电影的开始时间或 事件。您需要预订参考和/或付款卡来帮助我们 找到您的预订。您可以通过单击“打印此”来打印此页面 页面“上方链接。

是设计吗？还是我在代码中缺少某些内容？

Answer 1

不幸的是，设计就是这样。 形式识别器正在研究预训练的模型，该模型可以识别文档的键值对，文本和表以及文件中的表中的表内容作为输入。即使该文件在中间或任何地方都包含大量文本和表内容，但也将被识别。

要了解更多详细信息，请参考此链接：

https://www.drware.com/extract-data-from-pdfs-pdfs-using-form-recognizer-withizer-with-with-code-ode-orwithout/

https://www.youtube.com/watch?v a>

https://github.com/tomweinandy/form_recognizer_demo