Extração de informação de documentos

Os processos de negócio atuais dependem fortemente dos dados contidos em documentos como formulários, recibos e faturas. O processamento manual pode introduzir atrasos e erros, tornando a automação da extração de dados mais importante do que nunca.

Como funciona o Azure Content Understanding

O Azure Content Understanding segue um fluxo de trabalho de extração orientado por modelos, no qual conteúdos não estruturados são ingeridos, analisados e devolvidos como dados estruturados.

1. Ingerir conteúdo: Submete conteúdo ao Azure Content Understanding.

2. Análise alimentada por IA: O serviço utiliza uma combinação de: Reconhecimento Ótico de Caracteres (OCR), reconhecimento de voz, compreensão de linguagem natural e modelos multimodais de IA para analisar o conteúdo.

3. Saída estruturada: O serviço devolve resultados estruturados (por exemplo, em JSON) que correspondem ao seu modelo — tornando os dados fáceis de armazenar, pesquisar ou integrar em sistemas a jusante.

Compreender esquemas

O OCR (reconhecimento ótico de caracteres) permite a um computador 'ler' texto de imagens, como documentos digitalizados, fotografias de recibos ou imagens de páginas impressas, e transformar esse texto em texto digital editável e pesquisável. O OCR básico ajuda a reconhecer texto impresso, foca-se na extração de texto e não compreende significado, contexto ou relações entre palavras.

As capacidades de análise de documentos do Azure Content Understanding vão além da simples extração de texto baseada em OCR, incluindo a extração de campos e valores baseada em esquemas . A abordagem orientada por esquemas é o que diferencia o Azure Content Understanding dos serviços básicos de OCR ou transcrição.

Um esquema descreve que informação pretende extrair e como essa informação deve ser estruturada. Quando defines um esquema, especificas campos a extrair. Um esquema lista os campos ou entidades específicas que lhe interessam.

Por exemplo, suponha que você defina um esquema que inclua os campos comuns normalmente encontrados em uma fatura, como:

• Nome do fornecedor
• Número da fatura
• Data da fatura
• Nome do cliente
• Endereço personalizado
• Itens - os itens encomendados, cada um dos quais inclui:
  • Descrição do item
  • Preço unitário
  • Quantidade encomendada
  • Total do item de linha
• Subtotal da fatura
• Imposto
• Taxa de envio
• Total da fatura

Agora suponha que você precise extrair essas informações da seguinte fatura:

O Azure Content Understanding pode aplicar o esquema da fatura à sua fatura e identificar os campos correspondentes, mesmo quando estão rotulados com nomes diferentes (ou nem sequer estão rotulados). A análise resultante produz um resultado como este:

O esquema também define a estrutura do campo. Os esquemas suportam campos estruturados e aninhados, não apenas texto plano. Por exemplo:

• Items é uma coleção
• Cada item tem description, unit price, quantity, e line total

Identificar campos estruturados permite que o Azure Content Understanding compreenda as relações entre valores, algo que o OCR sozinho não consegue fazer.

No exemplo da fatura, para cada campo detetado, pode extrair valores aninhados:

• Nome do fornecedor: Adventure Works Cycles
• Número da fatura: 1234
• Data da fatura: 03/07/2025
• Nome do cliente: John Smith
• Endereço personalizado: 123 River Street, Marshtown, England, GL1 234
• Itens:
  • Ponto 1:
    • Descrição do artigo: 38" Racing Bike (Vermelho)
    • Preço unitário: 1299.00
    • Quantidade encomendada: 1
    • Total de itens da linha: 1299,00
  • Ponto 2:
    • Descrição do artigo: Capacete de ciclismo (preto)
    • Preço unitário: 25.99
    • Quantidade encomendada: 1
    • Total de itens da linha: 25,99
  • Ponto 3:
    • Descrição do artigo: Camisa de ciclismo (L)
    • Preço unitário: 42.50
    • Quantidade encomendada: 2
    • Total de itens de linha: 85,00
• Subtotal da fatura: 1409,99
• Imposto: 140,99
• Taxa de envio: 35.00
• Total da fatura: 1585,98

O Azure Content Understanding extrai o significado esperado, não apenas os rótulos. Os esquemas são aplicados semanticamente, o que significa:

• Os campos podem ser extraídos mesmo que os rótulos sejam diferentes
• Os campos podem ser extraídos mesmo que faltem rótulos

Por exemplo, número de fatura, fatura # ou um número não rotulado podem todos corresponder a InvoiceNumber se o analisador determinar que representam o mesmo conceito.

Compreender os analisadores

Um analisador é uma unidade no Azure Content Understanding que recebe inputs, aplica análise de IA e produz resultados estruturados. Os analisadores aplicam consistentemente a mesma lógica de extração a todo o conteúdo recebido. Depois de configurado, um analisador assegura que um esquema é reutilizado de forma consistente para cada pedido de análise. Os analisadores também produzem resultados JSON previsíveis. Os resultados estruturados facilitam o processamento a jusante (armazenamento, pesquisa, automação).

O Azure Content Understanding oferece analisadores pré-construídos para cenários comuns e suporta analisadores personalizados adaptados às suas necessidades. A um nível elevado:

1. Escolhe ou cria um analisador.
2. O analisador inclui um esquema que define campos e estrutura.
3. Submetes conteúdo para análise
4. O serviço aplica o esquema
5. Recebe resultados JSON estruturados que correspondem ao esquema

Utilização do Azure Content Understanding no portal Foundry

Depois de criares um recurso Microsoft Foundry, podes usar a nova interface do portal Foundry para testar a Compreensão de Conteúdo do Azure. O portal Foundry fornece exemplos de conteúdo e permite-lhe carregar o seu próprio material para análise.

Pode usar a interface visual para selecionar um documento de origem e extrair campos de informação padrão. Por exemplo, quando experimenta o Azure Content Understanding numa imagem de um documento, o serviço devolve o texto do documento e a informação de layout do texto.

Os analisadores do Azure Content Understanding identificam valores de texto nos documentos e os mapeiam para campos específicos. Por exemplo, dada uma fatura, o serviço retorna os campos (como morada do fornecedor) e os dados nos campos (como 123 456th Street).

No portal Foundry, também pode ver os resultados JSON do processamento.

Construir uma aplicação cliente com Azure Content Understanding

Pode usar a API de Compreensão de Conteúdo para construir uma aplicação cliente leve que extrai dados programaticamente.

Quando utiliza a API de Compreensão de Conteúdo, pode escolher um analisador pré-construído ou criar um analisador personalizado. Os analisadores pré-construídos incluem: prebuilt-invoice, prebuilt-imageSearch, prebuilt-audioSearch, e prebuilt-videoSearch. Quando submetes conteúdo para análise ao analisador, a análise é assíncrona, o que significa que recebes o resultado mais tarde, quando estiver pronto. Como a análise é assíncrona, é necessário consultar a URL Operation-Location (ou analyzerResults) até que o trabalho tenha sucesso.

Utilização do Azure Content Understanding Python SDK

Vamos analisar o processo de utilização do SDK Python para analisar uma fatura a partir de uma URL.

1. Instale o Azure Content Understanding Python SDK.

python -m pip install azure-ai-contentunderstanding

2. Identifique o endpoint do seu recurso Foundry e a chave API ou o ID do Microsoft Entra. O seu endpoint normalmente é o seguinte: https://<your-resource-name>.services.ai.azure.com/

3. Cria e executa o código da aplicação cliente. Este analzyer_id é o ID do analisador pré-construído. Pode encontrar uma lista de IDs de analisadores pré-construídos aqui.

import os
from azure.ai.contentunderstanding import ContentUnderstandingClient
from azure.core.credentials import AzureKeyCredential

endpoint = os.environ["FOUNDRY_ENDPOINT"]
key = os.environ["FOUNDRY_KEY"]

client = ContentUnderstandingClient(endpoint=endpoint, credential=AzureKeyCredential(key))

# 1) start analysis with analyzer id + inputs
analyzer_id = "prebuilt-invoice"
inputs = [
    {"url": "https://github.com/Azure-Samples/azure-ai-content-understanding-python/raw/refs/heads/main/data/invoice.pdf"}
]

# 2) wait for the Long Running Operation (LRO) to complete
poller = client.begin_analyze(analyzer_id=analyzer_id, inputs=inputs)  # starts LRO
result = poller.result()  # waits for completion (polling handled by SDK)

# 3) read structured fields + markdown
# The result typically includes extracted "fields" and "markdown" per input content item.
for content in result.contents:
    print(content.markdown)
    print(content.fields)

A saída resultante é JSON que mostra a marcação extraída, os campos, os dados nos campos e a pontuação de confiança. Por exemplo:

{
	"status": "Succeeded",
	"result": {
		"analyzerId": "prebuilt-invoice",
		"apiVersion": "2025-05-01-preview",
		"contents": [
			{
				"markdown": "# INVOICE\n\nCONTOSO LTD.\n\nContoso Headquarters\n123 456th St\nNew York, NY, 10001\n\nINVOICE: INV-100\n\nINVOICE DATE: 11/15/2019\n\nDUE DATE: 12/15/2019\n\nCUSTOMER NAME: MICROSOFT CORPORATION\n",
				"fields": {
					"CustomerName": {
						"type": "string",
						"valueString": "MICROSOFT CORPORATION",
						"confidence": 0.95,
					},
					"InvoiceDate": {
						"type": "date",
						"valueDate": "2019-11-15",
						"confidence": 0.994,
					}
                }
            }
        ]
    }
}

De seguida, aprenda a usar analisadores Azure Content Understanding para extrair dados estruturados de áudio e vídeo.