如何在Apache Spark上使用Databrick在输出中包括一个用于循环的Python

Question

我正在尝试将A for循环的结果包括在我的代码中。

只是为您提供一些背景：

以下代码从PDF提取文本。然后，它将结果保存到数据框“ MyDF”中，

import pandas as pd
from azure.ai.formrecognizer import DocumentAnalysisClient

# field_list = ["result.content"]

document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)

for blob in container.list_blobs():
  blob_url = container_url + "/" + blob.name
  poller = document_analysis_client.begin_analyze_document_from_url(
            "prebuilt-read", blob_url)
  result = poller.result()
  print("Scanning " + blob.name + "...")
  print ("document contains", result.content)
  for page in result.pages:
      print("----Analyzing Read from page #{}----".format(page.page_number))

mydf = result.content

我修改了代码以包含以下页面号：

for page in result.pages:
      print("----Analyzing Read from page #{}----".format(page.page_number))

问题是我不确定如何在输出中包含页码。正如我提到的那样，输出只是从页面中提取文本，但没有给我带代码的页码：

for page in result.pages:
      print("----Analyzing Read from page #{}----".format(page.page_number))

我相信这是我简单地忽略的。

有什么想法吗？

Answer 1

如果您的存储帐户具有带有页码的PDFS发票数据，则可以使用 OCR形式识别器 否则，您可以使用 官方文档 。

如果您已连接到BLOB存储，请确保用 blob url。请替换。 /strong> 。

示例代码：

参考：

https://pypi.org/project/azure-ai-formrecognizer/

https://learn.microsoft.com/en-us /azure/applied-ai-services/form-cognizer/how-to-to-to/try-sdk-rest-api？pivots = programming-language-language-python＃分析layout