Document Read Blob (paso)

Descripción

El paso Documento: leer blob lee documentos completos en una columna de texto base64 llamada Blob, con una fila por documento. Lea un documento que usted elija, o un documento por cada fila de una tabla de rutas. Los pasos posteriores, como Image OCR (paso) y Text NLP AI (paso), leen el contenido.

Origen y opciones

Tabla de rutas de documentos (opcional): defínala para leer un documento por cada fila. Déjela en blanco para leer el único documento que elija.
Columna de ruta: la columna de esa tabla que contiene la ruta de cada documento.
Documento: la cuenta de documentos y la ruta que se leerán cuando no hay tabla.
Generar error si falta un documento: desactivada de forma predeterminada. Desactivada, un documento ausente se omite con una advertencia que nombra su ruta, y un único documento ausente escribe una tabla vacía. Activada, el paso falla.
Documento más grande (bytes) (opcional): un documento mayor falla en lugar de dividirse.
Tabla de salida: dónde se escriben las filas.

Las columnas de la tabla de rutas pasan a la salida.

El grupo Más opciones define estas claves:

Conservar la fila de un documento ausente, con un blob vacío (keep_missing): conserva la fila de un documento ausente, con un Blob vacío, en lugar de omitirla.
Leer el documento como un archivo, una fila por entrada (unpack_enabled): con un único documento elegido y sin tabla de rutas, lee el documento como un archivo comprimido (zip, jar, tar, tar.gz, tar.bz2, cpio, ar, o un único archivo gz o bz2) y escribe una fila por entrada: Path (dentro de la Carpeta de entradas, unpack_destination), Directory, Status (Extracted o Folder) y Blob (ninguno para una carpeta). Codificación de los nombres de entrada (unpack_charset, cp437 de forma predeterminada) es la codificación de los nombres de entrada zip que no son UTF-8. Un documento ausente no da ninguna fila.

Para volver a escribir blobs en documentos, use Document: Write Blob (paso).

Relacionado

Text NLP AI (paso)
Image OCR (paso)