カテゴリ：: 文字列とバイナリ関数（大規模言語モデル）

PARSE_DOCUMENT （SNOWFLAKE.CORTEX）¶

Snowflakeステージ上のドキュメントから抽出した内容を、 JSONでエンコードしたオブジェクトを文字列として含む OBJECTとして返します。この機能は、光学式文字認識（OCR）とレイアウトの2種類の抽出をサポートしています。詳細については、 Cortex Parseドキュメントの概要をご参照ください。

構文¶

SNOWFLAKE.CORTEX.PARSE_DOCUMENT( '@<stage>', '<path>', [ { 'mode': '<mode>' }, ] )

Copy

引数¶

必須：

stage: Snowflakeステージの名前。
path: Snowflakeステージ上のドキュメントへの相対パス。

オプション：

mode

OBJECT 型の値を返します。オブジェクトのキー content の値には、抽出されたデータが JSON でエンコードされた文字列として格納されます。データは、呼び出しで指定されたモードに応じて、フォーマットされるかプレーンテキストになります。

mode が LAYOUT の場合、データはテーブルを含む構造的なコンテンツを持つMarkdownになります。
mode が OCR の場合、データはテキストコンテンツです。

デフォルト: 'OCR'

戻り値¶

JSON エンコードされた文字列として抽出されたデータを含む OBJECT データ型。コンテンツは、呼び出しで使用されるモードによって異なります。

LAYOUT モード: ドキュメントから抽出されたテーブルを持つMarkdownを含む「content」キーがある JSON。
OCR モード: ドキュメントからのテキストコンテンツを含む「content」キーを持つ JSON。

例¶

OCR モード¶

SELECT TO_VARCHAR(
    SNOWFLAKE.CORTEX.PARSE_DOCUMENT(
        '@PARSE_DOCUMENT.DEMO.documents',
        'document_1.pdf',
        {'mode': 'OCR'}):content
    ) AS OCR;

Copy

出力：

{
    "content of the document"
}

LAYOUT モード¶

この例では、以下のスクリーンショットに表示されている表を含むドキュメントを解析します。

SELECT
  TO_VARCHAR (
    SNOWFLAKE.CORTEX.PARSE_DOCUMENT (
        '@PARSE_DOCUMENT.DEMO.documents',
        'document_1.pdf',
        {'mode': 'LAYOUT'} ):content ) AS LAYOUT;

Copy

出力：

{
  "content": "# This is PARSE DOCUMENT example
     Example table:
     |Header|Second header|Third Header|
     |:---:|:---:|:---:|
     |First row header|Data in first row|Data in first row|
     |Second row header|Data in second row.|Data in second row.|

     Some more text."
 }