1. ভূমিকা
এই কোডল্যাবে, আপনি শিখবেন কিভাবে পাইথনের সাহায্যে একটি হাতে লেখা ফর্ম পার্স করার জন্য ডকুমেন্ট এআই ফর্ম পার্সার ব্যবহার করতে হয়।
আমরা উদাহরণ হিসেবে একটি সাধারণ মেডিকেল ইনটেক ফর্ম ব্যবহার করব, তবে এই পদ্ধতিটি DocAI দ্বারা সমর্থিত যেকোনো সাধারণ ফর্মের সাথে কাজ করবে।
পূর্বশর্ত
এই কোডল্যাবটি অন্যান্য ডকুমেন্ট এআই কোডল্যাবগুলিতে উপস্থাপিত বিষয়বস্তুর উপর ভিত্তি করে তৈরি।
এগিয়ে যাওয়ার আগে নিম্নলিখিত কোডল্যাবগুলি সম্পূর্ণ করার পরামর্শ দেওয়া হচ্ছে।
তুমি কি শিখবে
- ডকুমেন্ট এআই ফর্ম পার্সার ব্যবহার করে স্ক্যান করা ফর্ম থেকে ডেটা কীভাবে পার্স এবং এক্সট্রাক্ট করবেন।
তোমার যা লাগবে
- একটি গুগল ক্লাউড প্রকল্প
- একটি ব্রাউজার, যেমন ক্রোম বা ফায়ারফক্স
- পাইথন ৩ সম্পর্কে জ্ঞান
জরিপ
আপনি এই টিউটোরিয়ালটি কীভাবে ব্যবহার করবেন?
পাইথনের সাথে আপনার অভিজ্ঞতাকে আপনি কীভাবে মূল্যায়ন করবেন?
গুগল ক্লাউড পরিষেবা ব্যবহারের অভিজ্ঞতাকে আপনি কীভাবে মূল্যায়ন করবেন?
2. সেটআপ এবং প্রয়োজনীয়তা
এই কোডল্যাব ধরে নিচ্ছে যে আপনি ডকুমেন্ট এআই ওসিআর কোডল্যাবে তালিকাভুক্ত ডকুমেন্ট এআই সেটআপ ধাপগুলি সম্পন্ন করেছেন।
এগিয়ে যাওয়ার আগে অনুগ্রহ করে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
আপনাকে Python-এর জন্য একটি ওপেন সোর্স ডেটা বিশ্লেষণ লাইব্রেরি, Pandas ইনস্টল করতে হবে।
pip3 install --upgrade pandas
৩. একটি ফর্ম পার্সার প্রসেসর তৈরি করুন
এই টিউটোরিয়ালের জন্য ডকুমেন্ট এআই প্ল্যাটফর্মে ব্যবহার করার জন্য আপনাকে প্রথমে একটি ফর্ম পার্সার প্রসেসর ইনস্ট্যান্স তৈরি করতে হবে।
- কনসোলে, ডকুমেন্ট এআই প্ল্যাটফর্ম ওভারভিউতে নেভিগেট করুন।
- Create Processor এ ক্লিক করুন এবং Form Parser নির্বাচন করুন।
- একটি প্রসেসরের নাম উল্লেখ করুন এবং তালিকা থেকে আপনার অঞ্চল নির্বাচন করুন।
- আপনার প্রসেসর তৈরি করতে Create এ ক্লিক করুন।
- আপনার প্রসেসর আইডি কপি করুন। আপনাকে পরে আপনার কোডে এটি ব্যবহার করতে হবে।
ক্লাউড কনসোলে প্রসেসর পরীক্ষা করুন
আপনি একটি ডকুমেন্ট আপলোড করে কনসোলে আপনার প্রসেসর পরীক্ষা করতে পারেন। আপলোড ডকুমেন্টে ক্লিক করুন এবং পার্স করার জন্য একটি ফর্ম নির্বাচন করুন। যদি আপনার ব্যবহারের জন্য উপলব্ধ না থাকে তবে আপনি এই নমুনা ফর্মটি ডাউনলোড করে ব্যবহার করতে পারেন।
আপনার আউটপুটটি এইরকম দেখা উচিত: 
৪. নমুনা ফর্মটি ডাউনলোড করুন
আমাদের কাছে একটি নমুনা নথি আছে যাতে একটি সাধারণ চিকিৎসা গ্রহণের ফর্ম রয়েছে।
আপনি নিচের লিঙ্কটি ব্যবহার করে PDF ডাউনলোড করতে পারেন। তারপর এটি Cloud Shell ইনস্ট্যান্সে আপলোড করুন ।
অথবা, আপনি gsutil ব্যবহার করে আমাদের পাবলিক গুগল ক্লাউড স্টোরেজ বাকেট থেকে এটি ডাউনলোড করতে পারেন।
gsutil cp gs://cloud-samples-data/documentai/codelabs/form-parser/intake-form.pdf .
নিচের কমান্ডটি ব্যবহার করে নিশ্চিত করুন যে ফাইলটি আপনার ক্লাউড শেলে ডাউনলোড হয়েছে:
ls -ltr intake-form.pdf
৫. ফর্ম কী/মান জোড়া বের করুন
এই ধাপে আপনি অনলাইন প্রসেসিং API ব্যবহার করে আপনার পূর্বে তৈরি করা ফর্ম পার্সার প্রসেসরটি কল করবেন। তারপর, আপনি ডকুমেন্টে পাওয়া কী মান জোড়াগুলি বের করবেন।
অনলাইন প্রক্রিয়াকরণ হল একটি একক নথি পাঠানো এবং প্রতিক্রিয়ার জন্য অপেক্ষা করা। আপনি যদি একাধিক ফাইল পাঠাতে চান অথবা ফাইলের আকার অনলাইন প্রক্রিয়াকরণের সর্বাধিক পৃষ্ঠা অতিক্রম করে তবে আপনি ব্যাচ প্রক্রিয়াকরণও ব্যবহার করতে পারেন। আপনি OCR কোডল্যাবে এটি কীভাবে করবেন তা পর্যালোচনা করতে পারেন।
প্রসেসর রিকোয়েস্ট করার কোডটি প্রসেসর আইডি ছাড়া প্রতিটি প্রসেসরের ধরণের জন্য একই রকম।
ডকুমেন্ট রেসপন্স অবজেক্টে ইনপুট ডকুমেন্টের পৃষ্ঠাগুলির একটি তালিকা থাকে।
প্রতিটি page বস্তুতে ফর্ম ক্ষেত্রের একটি তালিকা এবং টেক্সটে তাদের অবস্থান থাকে।
নিম্নলিখিত কোডটি প্রতিটি পৃষ্ঠার মাধ্যমে পুনরাবৃত্তি করে এবং প্রতিটি কী, মান এবং আত্মবিশ্বাসের স্কোর বের করে। এটি এমন একটি স্ট্রাকচার্ড ডেটা যা ডাটাবেসে সংরক্ষণ করা বা অন্যান্য অ্যাপ্লিকেশনে ব্যবহার করা আরও সহজ।
form_parser.py নামে একটি ফাইল তৈরি করুন এবং নীচের কোডটি ব্যবহার করুন।
ফর্ম_পার্সার.পিআই
import pandas as pd
from google.cloud import documentai_v1 as documentai
def online_process(
project_id: str,
location: str,
processor_id: str,
file_path: str,
mime_type: str,
) -> documentai.Document:
"""
Processes a document using the Document AI Online Processing API.
"""
opts = {"api_endpoint": f"{location}-documentai.googleapis.com"}
# Instantiates a client
documentai_client = documentai.DocumentProcessorServiceClient(client_options=opts)
# The full resource name of the processor, e.g.:
# projects/project-id/locations/location/processor/processor-id
# You must create new processors in the Cloud Console first
resource_name = documentai_client.processor_path(project_id, location, processor_id)
# Read the file into memory
with open(file_path, "rb") as image:
image_content = image.read()
# Load Binary Data into Document AI RawDocument Object
raw_document = documentai.RawDocument(
content=image_content, mime_type=mime_type
)
# Configure the process request
request = documentai.ProcessRequest(
name=resource_name, raw_document=raw_document
)
# Use the Document AI client to process the sample form
result = documentai_client.process_document(request=request)
return result.document
def trim_text(text: str):
"""
Remove extra space characters from text (blank, newline, tab, etc.)
"""
return text.strip().replace("\n", " ")
PROJECT_ID = "YOUR_PROJECT_ID"
LOCATION = "YOUR_PROJECT_LOCATION" # Format is 'us' or 'eu'
PROCESSOR_ID = "FORM_PARSER_ID" # Create processor in Cloud Console
# The local file in your current working directory
FILE_PATH = "intake-form.pdf"
# Refer to https://cloud.google.com/document-ai/docs/processors-list
# for supported file types
MIME_TYPE = "application/pdf"
document = online_process(
project_id=PROJECT_ID,
location=LOCATION,
processor_id=PROCESSOR_ID,
file_path=FILE_PATH,
mime_type=MIME_TYPE,
)
names = []
name_confidence = []
values = []
value_confidence = []
for page in document.pages:
for field in page.form_fields:
# Get the extracted field names
names.append(trim_text(field.field_name.text_anchor.content))
# Confidence - How "sure" the Model is that the text is correct
name_confidence.append(field.field_name.confidence)
values.append(trim_text(field.field_value.text_anchor.content))
value_confidence.append(field.field_value.confidence)
# Create a Pandas Dataframe to print the values in tabular format.
df = pd.DataFrame(
{
"Field Name": names,
"Field Name Confidence": name_confidence,
"Field Value": values,
"Field Value Confidence": value_confidence,
}
)
print(df)
এখনই আপনার কোডটি চালান এবং আপনার কনসোলে টেক্সটটি এক্সট্র্যাক্ট এবং প্রিন্ট করা দেখতে পাবেন।
আমাদের নমুনা নথি ব্যবহার করলে আপনি নিম্নলিখিত আউটপুট দেখতে পাবেন:
$ python3 form_parser.py
Field Name Field Name Confidence Field Value Field Value Confidence
0 Phone #: 0.999982 (906) 917-3486 0.999982
1 Emergency Contact: 0.999972 Eva Walker 0.999972
2 Marital Status: 0.999951 Single 0.999951
3 Gender: 0.999933 F 0.999933
4 Occupation: 0.999914 Software Engineer 0.999914
5 Referred By: 0.999862 None 0.999862
6 Date: 0.999858 9/14/19 0.999858
7 DOB: 0.999716 09/04/1986 0.999716
8 Address: 0.999147 24 Barney Lane 0.999147
9 City: 0.997718 Towaco 0.997718
10 Name: 0.997345 Sally Walker 0.997345
11 State: 0.996944 NJ 0.996944
...
৬. টেবিল বিশ্লেষণ করুন
ফর্ম পার্সার ডকুমেন্টের মধ্যে থাকা টেবিল থেকেও ডেটা বের করতে সক্ষম। এই ধাপে, আমরা একটি নতুন নমুনা ডকুমেন্ট ডাউনলোড করব এবং টেবিল থেকে ডেটা বের করব। যেহেতু আমরা Pandas-এ ডেটা লোড করছি, তাই এই ডেটা একটি CSV ফাইল এবং অন্যান্য অনেক ফর্ম্যাটে একটি একক পদ্ধতি কলের মাধ্যমে আউটপুট করা যেতে পারে।
টেবিল সহ নমুনা ফর্মটি ডাউনলোড করুন
আমাদের কাছে একটি নমুনা নথি আছে যাতে একটি নমুনা ফর্ম এবং একটি টেবিল রয়েছে।
আপনি নিচের লিঙ্কটি ব্যবহার করে PDF ডাউনলোড করতে পারেন। তারপর এটি Cloud Shell ইনস্ট্যান্সে আপলোড করুন ।
অথবা, আপনি gsutil ব্যবহার করে আমাদের পাবলিক গুগল ক্লাউড স্টোরেজ বাকেট থেকে এটি ডাউনলোড করতে পারেন।
gsutil cp gs://cloud-samples-data/documentai/codelabs/form-parser/form_with_tables.pdf .
নিচের কমান্ডটি ব্যবহার করে নিশ্চিত করুন যে ফাইলটি আপনার ক্লাউড শেলে ডাউনলোড হয়েছে:
ls -ltr form_with_tables.pdf
টেবিল ডেটা এক্সট্র্যাক্ট করুন
টেবিল ডেটার জন্য প্রক্রিয়াকরণ অনুরোধ ঠিক কী-মান জোড়া বের করার মতোই। পার্থক্য হল প্রতিক্রিয়ায় আমরা কোন ক্ষেত্র থেকে ডেটা বের করি। টেবিল ডেটা pages[].tables[] ক্ষেত্রে সংরক্ষণ করা হয়।
এই উদাহরণটি প্রতিটি টেবিল এবং পৃষ্ঠার জন্য টেবিলের হেডার সারি এবং বডি সারি থেকে তথ্য বের করে, তারপর টেবিলটি প্রিন্ট করে এবং টেবিলটিকে একটি CSV ফাইল হিসেবে সংরক্ষণ করে।
table_parsing.py নামে একটি ফাইল তৈরি করুন এবং নীচের কোডটি ব্যবহার করুন।
টেবিল_পার্সিং.পিআই
# type: ignore[1]
"""
Uses Document AI online processing to call a form parser processor
Extracts the tables and data in the document.
"""
from os.path import splitext
from typing import List, Sequence
import pandas as pd
from google.cloud import documentai
def online_process(
project_id: str,
location: str,
processor_id: str,
file_path: str,
mime_type: str,
) -> documentai.Document:
"""
Processes a document using the Document AI Online Processing API.
"""
opts = {"api_endpoint": f"{location}-documentai.googleapis.com"}
# Instantiates a client
documentai_client = documentai.DocumentProcessorServiceClient(client_options=opts)
# The full resource name of the processor, e.g.:
# projects/project-id/locations/location/processor/processor-id
# You must create new processors in the Cloud Console first
resource_name = documentai_client.processor_path(project_id, location, processor_id)
# Read the file into memory
with open(file_path, "rb") as image:
image_content = image.read()
# Load Binary Data into Document AI RawDocument Object
raw_document = documentai.RawDocument(
content=image_content, mime_type=mime_type
)
# Configure the process request
request = documentai.ProcessRequest(
name=resource_name, raw_document=raw_document
)
# Use the Document AI client to process the sample form
result = documentai_client.process_document(request=request)
return result.document
def get_table_data(
rows: Sequence[documentai.Document.Page.Table.TableRow], text: str
) -> List[List[str]]:
"""
Get Text data from table rows
"""
all_values: List[List[str]] = []
for row in rows:
current_row_values: List[str] = []
for cell in row.cells:
current_row_values.append(
text_anchor_to_text(cell.layout.text_anchor, text)
)
all_values.append(current_row_values)
return all_values
def text_anchor_to_text(text_anchor: documentai.Document.TextAnchor, text: str) -> str:
"""
Document AI identifies table data by their offsets in the entirety of the
document's text. This function converts offsets to a string.
"""
response = ""
# If a text segment spans several lines, it will
# be stored in different text segments.
for segment in text_anchor.text_segments:
start_index = int(segment.start_index)
end_index = int(segment.end_index)
response += text[start_index:end_index]
return response.strip().replace("\n", " ")
PROJECT_ID = "YOUR_PROJECT_ID"
LOCATION = "YOUR_PROJECT_LOCATION" # Format is 'us' or 'eu'
PROCESSOR_ID = "FORM_PARSER_ID" # Create processor before running sample
# The local file in your current working directory
FILE_PATH = "form_with_tables.pdf"
# Refer to https://cloud.google.com/document-ai/docs/file-types
# for supported file types
MIME_TYPE = "application/pdf"
document = online_process(
project_id=PROJECT_ID,
location=LOCATION,
processor_id=PROCESSOR_ID,
file_path=FILE_PATH,
mime_type=MIME_TYPE,
)
header_row_values: List[List[str]] = []
body_row_values: List[List[str]] = []
# Input Filename without extension
output_file_prefix = splitext(FILE_PATH)[0]
for page in document.pages:
for index, table in enumerate(page.tables):
header_row_values = get_table_data(table.header_rows, document.text)
body_row_values = get_table_data(table.body_rows, document.text)
# Create a Pandas Dataframe to print the values in tabular format.
df = pd.DataFrame(
data=body_row_values,
columns=pd.MultiIndex.from_arrays(header_row_values),
)
print(f"Page {page.page_number} - Table {index}")
print(df)
# Save each table as a CSV file
output_filename = f"{output_file_prefix}_pg{page.page_number}_tb{index}.csv"
df.to_csv(output_filename, index=False)
এখনই আপনার কোডটি চালান এবং আপনার কনসোলে টেক্সটটি এক্সট্র্যাক্ট এবং প্রিন্ট করা দেখতে পাবেন।
আমাদের নমুনা নথি ব্যবহার করলে আপনি নিম্নলিখিত আউটপুট দেখতে পাবেন:
$ python3 table_parsing.py
Page 1 - Table 0
Item Description
0 Item 1 Description 1
1 Item 2 Description 2
2 Item 3 Description 3
Page 1 - Table 1
Form Number: 12345678
0 Form Date: 2020/10/01
1 Name: First Last
2 Address: 123 Fake St
আপনি যে ডিরেক্টরি থেকে কোডটি চালাচ্ছেন সেখানে দুটি নতুন CSV ফাইল থাকা উচিত।
$ ls form_with_tables_pg1_tb0.csv form_with_tables_pg1_tb1.csv table_parsing.py
৭. অভিনন্দন
অভিনন্দন, আপনি হাতে লেখা ফর্ম থেকে ডেটা বের করার জন্য ডকুমেন্ট এআই এপিআই সফলভাবে ব্যবহার করেছেন। আমরা আপনাকে অন্যান্য ফর্ম ডকুমেন্ট নিয়ে পরীক্ষা-নিরীক্ষা করার জন্য উৎসাহিত করছি।
পরিষ্কার কর
এই টিউটোরিয়ালে ব্যবহৃত রিসোর্সের জন্য আপনার গুগল ক্লাউড অ্যাকাউন্টে চার্জ এড়াতে:
- ক্লাউড কনসোলে, রিসোর্স পরিচালনা পৃষ্ঠায় যান।
- প্রকল্পের তালিকায়, আপনার প্রকল্প নির্বাচন করুন এবং তারপর মুছুন ক্লিক করুন।
- ডায়ালগে, প্রজেক্ট আইডি টাইপ করুন এবং তারপর প্রজেক্টটি মুছে ফেলতে Shut down এ ক্লিক করুন।
আরও জানুন
এই ফলো-আপ কোডল্যাবগুলির সাহায্যে ডকুমেন্ট এআই সম্পর্কে শেখা চালিয়ে যান।
- ডকুমেন্ট এআই (পাইথন) সহ বিশেষায়িত প্রসেসর
- পাইথন দিয়ে ডকুমেন্ট এআই প্রসেসর পরিচালনা করা
- ডকুমেন্ট এআই: লুপে মানুষ
রিসোর্স
লাইসেন্স
এই কাজটি ক্রিয়েটিভ কমন্স অ্যাট্রিবিউশন ২.০ জেনেরিক লাইসেন্সের অধীনে লাইসেন্সপ্রাপ্ত।