Intelligent Media Management:ドキュメントからテキストを抽出する

サポートされているドキュメントファイル形式

次の表は、サポートされているドキュメントファイル形式とその拡張子の一覧です。

ドキュメントサイズの制限

• テキストを抽出するドキュメントのサイズは 20 MB を超えることはできません。

• 抽出されたテキストはプレーンテキストファイルに保存されます。ファイルサイズは 100 KB を超えることはできません。

コンテンツ抽出の例

• IMM プロジェクト名: test-project

• ドキュメントの URI: oss://test-bucket/test-object.docx

リクエストの例

{
  "ProjectName": "test-project",
  "SourceURI": "oss://test-bucket/test-object.docx"
}

レスポンスの例

{
  "DocumentText": "Alibaba Cloud Intelligent Media Management provides advanced and intelligent media content management features",
  "RequestId": "5C04D1DD-8B54-5670-9868-C30D186E5E20"
}

サンプルコード

# -*- coding: utf-8 -*-
# このファイルは自動生成されています。編集しないでください。
import os
import sys

from typing import List

from alibabacloud_imm20200930.client import Client as imm20200930Client
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_imm20200930 import models as imm_20200930_models
from alibabacloud_tea_util import models as util_models
from alibabacloud_tea_util.client import Client as UtilClient


class Sample:
    def __init__(self):
        pass

    @staticmethod
    def create_client() -> imm20200930Client:
        """
        AccessKey ID と AccessKey シークレットを使用してクライアントを初期化します。
        @return: Client
        @throws Exception
        """
        # リークされたプロジェクトコードは、AccessKey ペアとアカウント内のすべてのリソースをセキュリティリスクにさらす可能性があります。
        # セキュリティ上の理由から、セキュリティトークンサービス (STS) によって提供される一時的なアクセス認証情報を使用することをお勧めします。詳細については、https://www.alibabacloud.com/help/ja/sdk/developer-reference/v2-manage-python-access-credentials をご覧ください。
        config = open_api_models.Config(
            # 必須。ALIBABA_CLOUD_ACCESS_KEY_ID 環境変数が構成されていることを確認してください。
            access_key_id=os.environ['ALIBABA_CLOUD_ACCESS_KEY_ID'],
            # 必須。ALIBABA_CLOUD_ACCESS_KEY_SECRET 環境変数が構成されていることを確認してください。
            access_key_secret=os.environ['ALIBABA_CLOUD_ACCESS_KEY_SECRET']
        )
        # IMM エンドポイントを指定します。サポートされているリージョンの IMM エンドポイントの一覧については、https://api.alibabacloud.com/product/imm をご覧ください。
        config.endpoint = f'imm.cn-beijing.aliyuncs.com'
        return imm20200930Client(config)

    @staticmethod
    def main(
        args: List[str],
    ) -> None:
        client = Sample.create_client()
        extract_document_text_request = imm_20200930_models.ExtractDocumentTextRequest(
            project_name='test-project',
            source_uri='oss://test-bucket/test-object.docx'
        )
        runtime = util_models.RuntimeOptions()
        try:
            # 必要に応じて、API オペレーションのレスポンスを出力するコードを記述します。
            client.extract_document_text_with_options(extract_document_text_request, runtime)
        except Exception as error:
            # 実際のビジネスシナリオでは、例外を慎重に処理し、プロジェクトで例外を無視しないでください。この例では、エラーメッセージがコンソールに出力されます。
            # エラーメッセージを表示します。
            print(error.message)
            # トラブルシューティング用の URL を表示します。
            print(error.data.get("Recommend"))
            UtilClient.assert_as_string(error.message)

    @staticmethod
    async def main_async(
        args: List[str],
    ) -> None:
        client = Sample.create_client()
        extract_document_text_request = imm_20200930_models.ExtractDocumentTextRequest(
            project_name='test-project',
            source_uri='oss://test-bucket/test-object.docx'
        )
        runtime = util_models.RuntimeOptions()
        try:
            # 必要に応じて、API オペレーションのレスポンスを出力するコードを記述します。
            await client.extract_document_text_with_options_async(extract_document_text_request, runtime)
        except Exception as error:
            # 実際のビジネスシナリオでは、例外を慎重に処理し、プロジェクトで例外を無視しないでください。この例では、エラーメッセージがコンソールに出力されます。
            # エラーメッセージを表示します。
            print(error.message)
            # トラブルシューティング用の URL を表示します。
            print(error.data.get("Recommend"))
            UtilClient.assert_as_string(error.message)


if __name__ == '__main__':
    Sample.main(sys.argv[1:])