Document Read Blob

Description

L’étape Document : lire un blob (Document Read Blob) lit des documents entiers dans une colonne de texte base64 nommée Blob, avec une ligne par document. Lisez un document que vous choisissez, ou un document pour chaque ligne d’une table de chemins. Les étapes suivantes, comme Image OCR et Text NLP AI, en lisent le contenu.

Source et options

• Table des chemins de documents (facultatif) — renseignez ce champ pour lire un document par ligne. Laissez-le vide pour lire le seul document que vous choisissez.
• Colonne de chemin — la colonne de cette table qui contient le chemin de chaque document.
• Document — le compte de documents et le chemin à lire lorsqu’il n’y a pas de table.
• Échouer si un document est manquant — désactivé par défaut. Désactivé, un document manquant est ignoré avec un avertissement qui nomme son chemin, et un document unique manquant produit une table vide. Activé, l’étape échoue.
• Taille max. du document (octets) (facultatif) — un document plus volumineux fait échouer l’étape au lieu d’être découpé.
• Table de sortie — l’endroit où les lignes sont écrites.

Les colonnes de la table de chemins sont transmises à la sortie.

Le groupe Autres options définit ces clés :

• Conserver la ligne d’un document manquant, avec un blob vide (keep_missing) — conserve la ligne d’un document manquant, avec un Blob vide, au lieu de l’ignorer.
• Lire le document comme une archive, une ligne par entrée (unpack_enabled) — avec un seul document choisi et sans table de chemins, lit le document comme une archive (zip, jar, tar, tar.gz, tar.bz2, cpio, ar, ou un fichier gz ou bz2 unique) et écrit une ligne par entrée : Path (sous le Dossier des entrées, unpack_destination), Directory, Status (Extracted ou Folder) et Blob (aucun pour un dossier). Encodage des noms d’entrée (unpack_charset, cp437 par défaut) est l’encodage des noms d’entrée zip qui ne sont pas en UTF-8. Un document manquant ne produit aucune ligne.

Pour réécrire des blobs dans des documents, utilisez Document : écrire un Blob.

Voir aussi

• Text NLP AI
• Image OCR