PDF 레이아웃 인식 추출

항목	값
화면 이름	Extract layout-aware content from PDF
식별자	`pdfLayoutAwareContentExtractionV2`
지원 실행 방식	Batch, Faster
범주	미디어 (Media)
반환 자료형	`Array<Array<Struct<block_index:Integer, block_id:String, page:Integer, block_type:String, content:String, bounding_box:String, languages:Array<String>, confidence:Double>>>`

PDF 페이지의 레이아웃을 인식하여 경계 상자, 텍스트 내용과 블록 유형을 포함한 구조화 블록을 반환합니다. OCR 모드와 출력 형식을 설정할 수 있습니다.

입력 인자

이름	지정 여부	자료형	의미와 조건
`Languages to detect`	필수	`Set<Enum<Afrikaans, Albanian, Amharic, Arabic, Armenian, Assamese, Azerbaijani, Azerbaijani - Cyrilic, Basque, Belarusian, and more ...>>`	PDF에서 감지할 언어입니다.
`Media reference`	필수	`Expression<Media reference>`	미디어 집합의 PDF 파일을 가리키는 미디어 참조 열입니다.
`Scripts to detect`	필수	`Set<Enum<Arabic, Armenian, Bengali, Canadian Aboriginal, Cherokee, Cyrillic, Devanagari, Ethiopic, Fraktur, Georgian, and more ...>>`	PDF에서 감지할 문자 체계입니다.
`End page`	선택	`Expression<Integer>`	포함할 페이지 범위의 끝입니다. 경계값을 포함하며 생략하면 마지막 페이지입니다.
`Error handling`	선택	`Enum<FAIL, NULL>`	처리하지 못한 입력이 있을 때 파이프라인의 동작을 정합니다.
`Extract method`	선택	`Enum<Conditional Scan, Digital Text, Full-page Scan>`	텍스트 추출 방식을 선택합니다. Conditional scan은 디지털 텍스트가 거의 없거나 없는 페이지를 최선 노력으로 찾아 스캔합니다. Digital text는 내장된 디지털 텍스트를 추출하고 Full-page scan은 모든 페이지를 스캔합니다.
`Output format`	선택	`Enum<HTML, Markdown, Text, hOCR>`	블록 안에 추출한 텍스트 내용의 형식입니다.
`Start page`	선택	`Expression<Integer>`	페이지 범위의 시작입니다. 생략하면 첫 페이지입니다.

자료형의 and more ...는 표시한 열거형 항목 외에도 선택값이 있음을 뜻합니다. 실제 설정에서는 편집기의 해당 선택 목록을 사용합니다.

입출력 예시

예시 1: 기본 동작

인자 값:

Languages to detect: {ENG}
Media reference: mediaReference
Scripts to detect: {}
End page: End Page
Error handling: FAIL_FAST
Extract method: AUTO
Output format: TEXT
Start page: Start Page

mediaReference	출력
{"mimeType":"application/pdf","reference":{"type":"mediaSetItem","mediaSetItem":{"mediaSetRid":"ri.mio.main.media-set.a", "mediaItemRid":"ri.mio.main.media-item.a"}}}	[ [ { block_id: block-0, block_index: 0, block_type: Text, &... ]

긴 구조값 안의 줄임표는 생략한 내용을 나타냅니다.