Analisar documentos e fragmentar texto como strings tokenizadas para fluxos de trabalho no Azure Logic Apps

Aplica-se a: Azure Logic Apps (Consumo + Padrão)

Por vezes, é preciso converter conteúdo em tokens, que são palavras ou blocos de caracteres, ou dividir um documento grande em pedaços mais pequenos antes de poder usar esse conteúdo com ações específicas. Por exemplo, as ações Pesquisa de IA do Azure ou Azure OpenAI esperam entrada tokenizada e só conseguem lidar com um número limitado de tokens.

Para esses cenários, use as ações de Operações de Dados denominadas Analisar um documento e Fragmentar texto no fluxo de trabalho do aplicativo lógico. Estas ações transformam respetivamente conteúdos, como um documento PDF, ficheiro CSV, ficheiro Excel, etc., em saída de cadeia tokenizada e depois dividem a cadeia em partes, com base no número de tokens. Em seguida, pode referenciar e utilizar esses resultados com ações seguintes no seu fluxo de trabalho.

Este guia mostra como adicionar e configurar ações para analisar documentos e fragmentar texto no seu fluxo de trabalho.

Problemas e limitações conhecidos

• Nos fluxos de trabalho de Consumo, a ação Analisar um documento está disponível apenas nas seguintes regiões da Azure:

  • Leste da Austrália
  • Sul do Brasil
  • Ásia Leste
  • E.U.A. Leste
  • E.U.A. Leste 2
  • Europa do Norte
  • E.U.A. Centro-Sul
  • Sudeste Asiático
  • Suécia Central
  • E.U.A. Oeste 2
  • E.U.A. Oeste 3
  • Sul do Reino Unido

  Estas regiões fornecem ligações à fonte de dados, rastreamento de documentos, fragmentação de documentos, suporte para modelos de embedding Azure OpenAI e suporte incorporado para indexação para extração de dados. Para mais informações, consulte Automatizar a indexação em AI Search com fluxos de trabalho em Azure Logic Apps.

• Atualmente, as ações Analisar um documento e Fragmentar texto não suportam arquivos host, por exemplo, arquivos binários de mainframe e midrange, como arquivos VSAM (Virtual Storage Access Method). No entanto, se estiver trabalhando com fluxos de trabalho Padrão, é possível usar a ação interna do IBM Host File chamada Parse Host File Contents em vez disso.

Pré-requisitos

• Uma conta Azure e subscrição. Se não tiver uma subscrição Azure, subscreva-se para uma conta Azure gratuita.

• Um fluxo de trabalho de aplicativo lógico Consumo ou Padrão com um gatilho existente porque as operações Analisar um documento e Fragmentar texto estão disponíveis apenas como ações. Certifique-se de que a ação que recupera o conteúdo que você deseja analisar ou fragmentar precede essas operações de dados.

Analisar um documento

A ação Analisar um documento converte conteúdo, como um documento PDF, ficheiro CSV, ficheiro Excel, etc., numa cadeia de tokens. Neste exemplo, imagine que o seu fluxo de trabalho se inicia com o gatilho Pedido chamado Quando é recebido um pedido HTTP. Este gatilho espera para receber um pedido HTTP enviado de outro componente, como uma função do Azure, outro fluxo de trabalho de uma aplicação lógica, e assim sucessivamente. A solicitação HTTP inclui a URL de um novo documento carregado que está disponível para o fluxo de trabalho recuperar e analisar. Uma ação HTTP segue imediatamente o gatilho e envia uma solicitação HTTP para a URL do documento e retorna com o conteúdo do documento de seu local de armazenamento.

Se usar outras fontes de conteúdo, como Armazenamento de Blobs do Azure, SharePoint, OneDrive, File System, FTP, etc., pode verificar se existem gatilhos disponíveis para essas fontes. Você também pode verificar se há ações disponíveis para recuperar o conteúdo dessas fontes. Para obter mais informações, consulte Operações internas e conectores gerenciados.

1. No portal Azure, abre o recurso e o fluxo de trabalho da tua aplicação lógica no designer.

2. Sob o gatilho e as ações existentes, siga estas etapas gerais para adicionar a ação de Operações de Dados chamada Analisar um documento ao seu fluxo de trabalho.

3. No designer, selecione a ação Analisar um documento .

4. Após abrir o painel de informações da ação, na guia Parâmetros, na propriedade Conteúdo do Documento, especifique o conteúdo a analisar seguindo estas etapas:

   1. Selecione dentro da caixa de conteúdo do documento.

      As opções para a lista de conteúdo dinâmico (ícone relâmpago) e o editor de expressões (ícone de função) são exibidas.

      • Para escolher a saída de uma ação anterior, selecione a lista de conteúdo dinâmico.

      • Para criar uma expressão que manipule a saída de uma ação anterior, selecione o editor de expressão.

      Este exemplo continua selecionando o ícone de relâmpago para a lista de conteúdo dinâmico.

   2. Depois que a lista de conteúdo dinâmico for aberta, selecione a saída desejada de uma operação anterior.

      Neste exemplo, a ação Analisar um documento faz referência à saída Corpo da ação HTTP.

      

      A saída do Corpo agora aparece na caixa de Conteúdo do Documento:

      

5. Na ação Analisar um documento, adicione as ações que você deseja trabalhar com a saída de cadeia de caracteres tokenizada, por exemplo, Texto em bloco, que este guia descreve mais tarde.

Analisar um documento - Referência

Parâmetros

Resultados

Fragmentar texto

A ação Fragmentar texto divide o conteúdo em partes menores para ações subsequentes para uso mais fácil no fluxo de trabalho atual. Os passos seguintes baseiam-se no exemplo da secção Parse a document e dividem a saída de cadeias de tokens para uso em operações de IA Azure que esperam blocos de conteúdo tokenizados e pequenos.

1. No portal Azure, abre o recurso e o fluxo de trabalho da tua aplicação lógica no designer.

2. Na ação Analisar um documento, siga estas etapas gerais para adicionar a ação Operações de Dados chamada Fragmentar texto.

3. No designer, selecione a ação Fragmentar texto .

4. Depois do painel de informações da ação abrir, na guia Parâmetros, para a propriedade Estratégia de Fragmentação, selecione TokenSize como método de fragmentação, se não estiver já selecionado.

   Estratégia	Descrição
   TokenSize	Divida o conteúdo especificado, com base no número de tokens.

5. Depois de selecionar a estratégia, selecione dentro da caixa Texto para especificar o conteúdo para fragmentação.

   As opções para a lista de conteúdo dinâmico (ícone relâmpago) e o editor de expressões (ícone de função) são exibidas.

   • Para escolher a saída de uma ação anterior, selecione a lista de conteúdo dinâmico.

   • Para criar uma expressão que manipule a saída de uma ação anterior, selecione o editor de expressão.

   Este exemplo continua selecionando o ícone de relâmpago para a lista de conteúdo dinâmico.

   1. Depois que a lista de conteúdo dinâmico for aberta, selecione a saída desejada de uma operação anterior.

      Neste exemplo, a ação Dividir texto em partes refere-se à saída do texto analisado da ação Analisar um documento.

      

      A caixa de texto agora mostra a saída da ação de resultado analisado:

      

6. Conclua a configuração da ação Fragmentar texto com base na estratégia selecionada e no cenário. Para obter mais informações, consulte Texto em bloco - Referência.

Agora, quando adicionar outras ações que esperam e usam entrada tokenizada, como as ações de IA do Azure, o conteúdo da entrada é formatado para facilitar o consumo.

Fragmentar texto - Referência

Parâmetros

Resultados

Exemplo de fluxo de trabalho

O exemplo a seguir inclui outras ações que criam um padrão de fluxo de trabalho completo para ingerir dados de qualquer fonte:

Conteúdos relacionados

• Integre Ferramentas Foundry com fluxos de trabalho padrão em Azure Logic Apps
• Fragmentação de documentos grandes para pesquisa vetorial