AI_PARSE_DOCUMENT¶

Sintaxe¶

AI_PARSE_DOCUMENT( '@<stage>', '<path>', [ <options> ] )

Argumentos¶

Obrigatório:

stage

Nome da preparação Snowflake que contém o documento a ser analisado. Este deve ser uma preparação interna ou externa que usa criptografia do lado do servidor e é acessível ao usuário que executa a função.

path

Caminho relativo para o documento no estágio Snowflake.

Opcional:

options

Um valor OBJECT que contém opções para análise de documentos. As chaves compatíveis são mostradas abaixo. Todas são opcionais.

• 'mode': especifica o modo de análise. Os modos compatíveis são:

  • 'OCR': a função extrai somente texto. É o modo padrão.

  • 'LAYOUT': a função extrai o layout e o texto, incluindo o conteúdo estrutural, como tabelas.

• 'page_split': se definido como TRUE, a função divide o documento em páginas e processa cada página separadamente. Este recurso oferece suporte apenas a documentos em PDF, PowerPoint (.pptx) e Word (.docx). Os documentos em outros formatos retornam um erro. O padrão é FALSE.

  Dica

  Para processar documentos longos que excedam o limite de token de AI_PARSE_DOCUMENT, defina essa opção como TRUE.

Retornos¶

Um objeto JSON (como uma string) que contém os dados extraídos e os metadados associados. O argumento options determina a estrutura do objeto retornado.

Se a opção 'page_split' estiver definida, a saída terá a seguinte estrutura:

• "pages": uma matriz de objetos JSON, cada um contendo texto extraído do documento. Se o documento tiver apenas uma página, a saída ainda conterá uma matriz "pages" (que contém um único objeto). Cada página tem os seguintes campos:

  • "content": texto simples (no modo OCR) ou texto formatado em Markdown (no modo LAYOUT).

  • "index": o índice da página no arquivo, começando em 0. Os números de página e os formatos de especificados no documento são ignorados.

• "errorInformation": contém informações de erro se o documento não puder ser analisado.

• "metadata": contém metadados sobre o documento, como contagem de páginas.

Nota

Os campos "pages" e "metadata" estarão presentes na saída quando a análise for bem-sucedida. "errorInformation" estará presente somente se a análise falhar.

Se 'page_split' for FALSE ou não estiver presente, a saída terá a seguinte estrutura:

• "content": texto simples (no modo OCR) ou texto formatado em Markdown (no modo LAYOUT).

• "errorInformation": contém informações de erro se o documento não puder ser analisado.

• "metadata": contém metadados sobre o documento, como contagem de páginas.

Nota

Os campos "content" e "metadata" estarão presentes na saída quando a análise for bem-sucedida. "errorInformation" estará presente somente se a análise falhar.

Exemplos¶

Para exemplos, consulte exemplos de AI_PARSE_DOCUMENT.