使用 Workflows 建立文件處理管道

如果您使用 Document AI 建構工作流程，其中包含處理文件的多個步驟，建議您使用無伺服器自動化調度管理功能來管理工作流程。

Workflows 會按照您定義的順序，將一系列工作串連在一起。這項產品不需管理基礎架構，並能視需求順暢調度資源，甚至將資源縮減至零。採用「以量計價，即付即用」的定價模式，因此您只需要為執行時間付費。

Workflows 提供內建的 Document AI API 連接器。除了使用設定檔定義步驟之外，連接器不需要額外程式碼。連接器會處理要求的格式化作業，隱藏 API 的詳細資料。此外，連接器也提供了驗證、處理重試和長時間執行的作業的內建行為。

詳情請參閱「瞭解連接器」一文。

本指南使用應付憑據剖析器處理器，透過批次處理的方式處理一組應付憑據範例

如要直接在 Google Cloud 控制台按照逐步指南操作，請按一下「Guide me」(逐步引導)：

逐步引導

事前準備

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. Enable the Document AI, Cloud Storage, Workflows APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

  5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  6. Verify that billing is enabled for your Google Cloud project.

  7. Enable the Document AI, Cloud Storage, Workflows APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

    8.

    建立應付憑據剖析器

    使用 Google Cloud 控制台建立新的應付憑據剖析器。詳情請參閱「建立及管理處理器」頁面。

    1. 按一下 Google Cloud 控制台導覽選單中的「Document AI」，然後選取「Processor Gallery」(處理器庫)。

      處理器庫

    2. 在「Processor Gallery」(處理器庫) 中搜尋「Invoice Parser」(應付憑據剖析器)，然後選取「Create」(建立)。

      建立應付憑據處理器

    3. 輸入處理器名稱，例如 workflows-invoice-processor。

    4. 選取區域 (Document AI API 中的 location)，以託管處理器。

    5. 點選「Create」(建立)。系統會隨即顯示「Processor Details」(處理器詳細資料) 分頁。

    6. 複製您的處理器 ID。您稍後必須在程式碼中使用此 ID。

      處理器 ID

    在 Cloud Storage 中設定輸出值區

    使用批次 (非同步) 處理功能時，必須將輸入和輸出檔案儲存在 Cloud Storage 中。下列值區包含範例檔案，可做為本指南的輸入內容：

    gs://cloud-samples-data/documentai/workflows

    設定 bucket，將輸出檔案儲存在專案中。

    1. 按照 Cloud Storage 說明文件中的「建立 bucket」指南建立 bucket，或使用既有 bucket。

    2. 在 bucket 中建立資料夾 (例如 docai-workflows-output)。

    建立工作流程

    1. 在 Google Cloud 控制台中開啟「Workflows dashboard」(Workflows 資訊主頁)。

      前往 Workflows 資訊主頁

    2. 按一下「Create」(建立) 來建立第一個工作流程。系統隨即會顯示「Create Workflow」(建立工作流程) 頁面。

      建立工作流程

    3. 將工作流程重新命名為 docai-workflows-quickstart。

    4. 新增說明，然後選取您用於這項專案的服務帳戶 (如有)。

      1. 如果您沒有服務帳戶，請選取「Create New Service Account」(建立新的服務帳戶)。
        • 為服務帳戶命名，然後選取「Create and Continue」(建立並繼續)。CreateServiceAccount
        • 為服務帳戶指派下列角色：
        • Document AI API User
        • Workflows Invoker
        • Logs Writer
        • Service Usage Consumer
        • ServiceAccountRoles

    5. 在「Create Workflow」(建立工作流程) 頁面中，點按「Next」(下一步)。

    定義工作流程

    1. 在「Workflows Editor」(工作流程編輯器) 中，清除預設 YAML，然後貼上以下程式碼：

      main:
  params: [input]
  steps:
    - start:
        call: sys.log
        args:
          text: ${input}
    - vars:
        assign:
          - input_gcs_bucket: ${input.inputBucket}
          - output_gcs_bucket: ${input.outputBucket}
          - processor_id: ${input.processorId}
          - location: ${input.location}
          - project_id: ${sys.get_env("GOOGLE_CLOUD_PROJECT_ID")}
    - batch_process:
        call: googleapis.documentai.v1.projects.locations.processors.batchProcess
        args:
          name: ${"projects/" + project_id + "/locations/" + location + "/processors/" + processor_id}
          location: ${location}
          body:
            inputDocuments:
              gcsPrefix:
                gcsUriPrefix: ${input_gcs_bucket}
            documentOutputConfig:
              gcsOutputConfig:
                gcsUri: ${output_gcs_bucket}
            skipHumanReview: true
        result: batch_process_resp
    - return:
        return: ${batch_process_resp}
    WorkflowsEditor
    1. 選取「Deploy」(部署)。

    測試工作流程

    現在，工作流程已部署完成，您應該會位於「Workflow details」(工作流程詳細資料) 頁面。

    1. 按一下頁面頂端的「Execute」(執行)，前往「Execute workflow」(執行工作流程) 頁面。這個頁面可讓您在控制台中測試工作流程。

    2. 替換下列輸入內容 JSON 中的預留位置變數：

      • OUTPUT_BUCKET_PATH：先前建立的輸出內容 bucket 和資料夾完整路徑。
      • PROCESSOR_ID：先前建立的處理器 ID。
      • LOCATION：先前建立的處理器區域。
      {
  "inputBucket": "gs://cloud-samples-data/documentai/workflows",
  "outputBucket": "OUTPUT_BUCKET_PATH",
  "processorId": "PROCESSOR_ID",
  "location": "LOCATION"
}

    3. 複製 JSON 並貼到輸入文字方塊。

    4. 按一下工作流程底部的「Execute」(執行) 來測試輸入內容，並等候整個程序完成。

    5. 工作流程完成後，輸出內容 JSON 應如下所示。

      {
  "done": true,
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.documentai.v1.BatchProcessMetadata",
    "createTime": "2023-02-24T18:31:18.521764Z",
    "individualProcessStatuses": [
      {
        "humanReviewStatus": {
          "state": "SKIPPED"
        },
        "inputGcsSource": "gs://cloud-samples-data/documentai/workflows/baking_technologies_invoice.pdf",
        "outputGcsDestination": "OUTPUT_BUCKET_PATH/11119195367705871803/0",
        "status": {}
      },
      {
        "humanReviewStatus": {
          "state": "SKIPPED"
        },
        "inputGcsSource": "gs://cloud-samples-data/documentai/workflows/generic_invoice.pdf",
        "outputGcsDestination": "OUTPUT_BUCKET_PATH/11119195367705871803/1",
        "status": {}
      },
      {
        "humanReviewStatus": {
          "state": "SKIPPED"
        },
        "inputGcsSource": "gs://cloud-samples-data/documentai/workflows/google_invoice.pdf",
        "outputGcsDestination": "OUTPUT_BUCKET_PATH/11119195367705871803/2",
        "status": {}
      }
    ],
    "state": "SUCCEEDED",
    "updateTime": "2023-02-24T18:31:52.543163Z"
  },
  "name": "projects/PROJECT_ID/locations/LOCATION/operations/11119195367705871803",
  "response": {
    "@type": "type.googleapis.com/google.cloud.documentai.v1.BatchProcessResponse"
  }
}

    6. 開啟輸出儲存空間 bucket，所有處理的應付憑據輸出內容都會存放在根據作業 ID 命名的資料夾中。BatchGCSOutput

    7. 這個資料夾中會包含子資料夾，而每個從包含 Document JSON 檔案的輸入批次處理中完成的文件都會有一個子資料夾。

    8. 您可以檢查每個 JSON 檔案，或撰寫程式碼，根據用途使用相關欄位。詳情請參閱處理回應指南。

    9. 您現在可以連結工作流程中的其他步驟，進一步處理輸出內容，例如將擷取的實體插入資料庫以進行分析。

    10. 如要進一步瞭解如何觸發工作流程，請參閱 Workflows 說明文件。

    清除所用資源

    如要避免系統向您的 Google Cloud 帳戶收取本頁所用資源的費用，請按照下列步驟操作。

    請透過Google Cloud console 刪除不需要的處理器、bucket、工作流程和專案，以免產生不必要的 Google Cloud 費用。

    後續步驟

上一頁
自訂中繼資料
下一頁
管理處理器版本