使用 Cloud Storage 注入流水线进行批量上传

本文档介绍了如何执行批量上传，这会在后台触发 Cloud Storage 注入流水线。

预处理选项

目前，批量上传提供以下三种预处理选项：

1. 批量上传，不进行预处理：这会触发 runPipeline API 和 GcsIngestPipeline ，而不会使用 Document AI 处理器处理文档。

2. 使用 Document AI 处理器提取实体：这 会触发 runPipeline API 和 GcsIngestWithDocAiProcessorsPipeline。 流水线会先调用给定的 Document AI 处理器，然后注入包含处理结果的文档。

3. 对文档类型进行分类，并提取每种类型的实体：这也会 触发 runPipeline API 和 GcsIngestWithDocAiProcessorsPipeline， 后者会先调用分类器。然后，对于每种文档 类型，您可以指定相应的架构和处理器来处理那些特定文档 类型。这些文档会连同结果一起提取，并设置为此架构。

每种预处理类型都对应于界面中的以下选项：

示例：使用 OCR 处理器触发批量上传

此示例说明了流水线的第二种用法。

创建 OCR 处理器并获取处理器 ID

如果您之前创建过 OCR 处理器，只需在处理器 列表中找到该处理器，然后进入 处理器的详情页面并获取处理器 ID 即可。

如果您尚未创建 OCR 处理器，请按以下步骤操作：

1. 在处理器 列表顶部，点击处理器 库：

   

2. 在库中找到 Document OCR 处理器，然后在 卡片底部点击创建处理器：

   

3. 输入处理器显示名称：

   

4. 点击创建 ，当您重定向到处理器详情 页面时，找到 ID：

   

   您需要将此 ID 复制到批量上传视图中的输入字段。

触发批量上传

1. 打开批量上传视图。

   点击添加新内容 旁边的批量上传：

   

2. 找到正确的处理器。

   1. 选择第二个预处理选项。

   2. 选择架构，并指定处理器和 Cloud Storage 存储桶路径，以 JSON 格式保存提取结果。

3. 通过说明文本中的链接找到处理器 ID：

   

4. 触发上传：

   1. 使用在上一步中复制的处理器 ID，指定输入字段。源文件存储桶路径可以是存储桶，也可以是存储桶中的文件夹或子文件夹。

   2. 当输入字段有效时，如需触发批量上传，请点击右上角的上传 。

在状态页面中查看进度

触发批量上传后，系统会将您重定向到状态跟踪页面：

第一个表格显示了所有待处理或已处理的文档。提取文档后，第一个表格中将不再列出该文档。上传失败的文档会显示在第二个表格中。右侧的统计信息显示了已提取、失败和待处理的文档数量。

作业完成后，状态页面会显示 100% 完成，且没有任何待处理的文档：

检查上传的文档

1. 返回搜索视图，找到新提取的文档。点击 Document AI Warehouse 徽标或顶部导航栏中的搜索 ：

   

2. 点击文档名称，打开任意新提取的文档。在文档查看器中，您可以打开 AI 视图 。

   

3. 前往文本块 标签页。OCR 结果存储在文档中：

   

下一步

使用 Document AI 提取流水线更新现有文档。