PARSE_DOCUMENT (SNOWFLAKE.CORTEX)¶

语法¶

SNOWFLAKE.CORTEX.PARSE_DOCUMENT( '@<stage>', '<path>', [ { 'mode': '<mode>' }, ] )

实参¶

必填：

stage

Snowflake 暂存区的名称。

path

Snowflake 暂存区上文档的相对路径。

可选：

mode

返回类型 OBJECT 的值。在对象中，键 content 的值包含提取的数据作为 JSON 编码的字符串。数据可以根据调用中指定的模式以格式化或纯文本的形式存在。

• 如果 mode 是 LAYOUT，那么数据是包含表的结构化内容的 Markdown。

• 如果 mode 是 OCR，那么数据是文本内容。

默认：'OCR'

返回¶

包含提取的数据的 OBJECT 数据类型。内容取决于调用中使用的模式：

• OCR 模式（默认）：JSON（以字符串形式），包含如下所述的键。

  • "content"：从文档中提取的文本。

  • "errorInformation"：如果提取失败，则包含错误信息。

• LAYOUT 模式（预览版）：JSON（以字符串形式），包含如下所述的键。

  • "content"：Markdown 格式的文本，其中包含从文档中提取的表。

  • "errorInformation"：如果提取失败，则包含错误信息。

示例¶

SELECT TO_VARCHAR(
    SNOWFLAKE.CORTEX.PARSE_DOCUMENT(
        '@PARSE_DOCUMENT.DEMO.documents',
        'document_1.pdf',
        {'mode': 'OCR'})
    ) AS OCR;

{
    "content": "content of the document"
}

LAYOUT 模式¶

此示例解析了一个文档，其中包含以下截图所示的表：

SELECT
  TO_VARCHAR (
    SNOWFLAKE.CORTEX.PARSE_DOCUMENT (
        '@PARSE_DOCUMENT.DEMO.documents',
        'document_1.pdf',
        {'mode': 'LAYOUT'} ) ) AS LAYOUT;

Copy

输出：

{
  "content": "# This is PARSE DOCUMENT example
     Example table:
     |Header|Second header|Third Header|
     |:---:|:---:|:---:|
     |First row header|Data in first row|Data in first row|
     |Second row header|Data in second row|Data in second row|

     Some more text."
 }