Document Read Blob (krok)

Opis

Krok Dokument: odczyt blob odczytuje całe dokumenty do kolumny tekstowej base64 o nazwie Blob, po jednym wierszu na dokument. Odczytaj jeden wybrany dokument lub po jednym dokumencie dla każdego wiersza tabeli ścieżek. Zawartość odczytują później kroki, takie jak Image OCR i Text NLP AI.

Źródło i opcje

• Tabela ścieżek dokumentów (opcjonalnie) — ustaw ją, aby odczytać po jednym dokumencie dla każdego wiersza. Pozostaw puste, aby odczytać jeden wybrany dokument.
• Kolumna ścieżki — kolumna tej tabeli, która zawiera ścieżkę każdego dokumentu.
• Dokument — konto dokumentów i ścieżka do odczytu, gdy nie ma tabeli.
• Niepowodzenie, gdy brakuje dokumentu — domyślnie wyłączone. Gdy wyłączone, brakujący dokument jest pomijany z ostrzeżeniem wskazującym jego ścieżkę, a brakujący pojedynczy dokument powoduje zapisanie pustej tabeli. Gdy włączone, krok kończy się niepowodzeniem.
• Największy dokument (bajty) (opcjonalnie) — większy dokument powoduje niepowodzenie zamiast podziału.
• Tabela wyjściowa — miejsce zapisu wierszy.

Kolumny z tabeli ścieżek są przekazywane do wyniku.

Grupa Więcej opcji ustawia następujące klucze:

• Zachowaj wiersz brakującego dokumentu z pustym blobem (keep_missing) — zachowuje wiersz brakującego dokumentu z pustym Blob zamiast go pomijać.
• Odczytaj dokument jako archiwum, jeden wiersz na wpis (unpack_enabled) — przy jednym wybranym dokumencie i bez tabeli ścieżek odczytuje dokument jako archiwum (zip, jar, tar, tar.gz, tar.bz2, cpio, ar lub pojedynczy plik gz albo bz2) i zapisuje po jednym wierszu na wpis: Path (poniżej Folder wpisów, unpack_destination), Directory, Status (Extracted lub Folder) oraz Blob (brak dla folderu). Kodowanie nazw wpisów (unpack_charset, domyślnie cp437) to kodowanie nazw wpisów zip, które nie są w UTF-8. Brakujący dokument nie daje żadnych wierszy.

Aby zapisać bloby z powrotem do dokumentów, użyj Dokument: zapisz Blob.

Powiązane

• Text NLP AI
• Image OCR