매장 영수증 추출을 위해 Pydantic 모델과 함께 LlamaExtract 사용

이 기사에서는 상점 영수증에서 구조화된 데이터를 추출하기 위해 Pydantic 모델의 스키마와 통합된 LlamaExtract를 사용하는 방법을 살펴보겠습니다. 이러한 접근 방식은 영수증 정보를 체계적으로 정리하는 데 도움이 되며 분석 및 관리가 더 쉬워집니다.

설정

먼저 라마 추출 클라이언트 라이브러리가 설치되어 있는지 확인하세요. 다음 명령을 사용하십시오:

pip install llama-extract pydantic

참고: pip 업데이트에 대한 알림이 표시되면 제공된 명령을 사용하여 업데이트할 수 있습니다.

먼저 로그인하고 Llama Index Cloud에서 무료로 API 키를 받으세요.

LlamaExtract API 키에 대한 환경 변수를 설정합니다.

import os

os.environ["LLAMA_CLOUD_API_KEY"] = "YOUR LLAMA INDEX CLOUD API HERE"

데이터 로드

이 예에서는 PDF 형식의 매장 영수증 데이터세트가 있다고 가정해 보겠습니다. 이러한 파일을 영수증이라는 디렉터리에 넣습니다.

DATA_DIR = "data/receipts"
fnames = os.listdir(DATA_DIR)
fnames = [fname for fname in fnames if fname.endswith(".pdf")]
fpaths = [os.path.join(DATA_DIR, fname) for fname in fnames]
fpaths

출력에는 영수증의 파일 경로가 나열되어야 합니다.

['data/receipts/receipt.pdf']

Pydantic 모델 정의

우리는 Pydantic을 사용하여 데이터 모델을 정의할 것입니다. 이는 우리가 예상하거나 PDF에서 추출하려는 필드/데이터를 API에 알려줍니다. 매장 영수증의 경우 매장 이름, 날짜, 총액, 구매한 품목 목록을 추출하는 데 관심이 있을 수 있습니다.

from pydantic import BaseModel
from typing import List

class Item(BaseModel):
    name: str
    quantity: int
    price: float

class Receipt(BaseModel):
    store_name: str
    date: str
    total_amount: float
    items: List[Item]

스키마 생성

이제 Pydantic 모델을 사용하여 LlamaExtract에서 추출 스키마를 정의할 수 있습니다.

from llama_extract import LlamaExtract

extractor = LlamaExtract(verbose=True)
schema_response = await extractor.acreate_schema("Receipt Schema", data_schema=Receipt)
schema_response.data_schema

출력 스키마는 다음과 유사해야 합니다.

{
    'type': 'object',
    '$defs': {
        'Item': {
            'type': 'object',
            'title': 'Item',
            'required': ['name', 'quantity', 'price'],
            'properties': {
                'name': {'type': 'string', 'title': 'Name'},
                'quantity': {'type': 'integer', 'title': 'Quantity'},
                'price': {'type': 'number', 'title': 'Price'}
            }
        }
    },
    'title': 'Receipt',
    'required': ['store_name', 'date', 'total_amount', 'items'],
    'properties': {
        'store_name': {'type': 'string', 'title': 'Store Name'},
        'date': {'type': 'string', 'title': 'Date'},
        'total_amount': {'type': 'number', 'title': 'Total Amount'},
        'items': {
            'type': 'array',
            'title': 'Items',
            'items': {'$ref': '#/$defs/Item'}
        }
    }
}

추출 실행

스키마가 정의되면 이제 영수증 파일에서 구조화된 데이터를 추출할 수 있습니다. Receipt를 응답 모델로 지정하여 추출된 데이터가 검증되고 구조화되었는지 확인합니다.

responses = await extractor.aextract(
    schema_response.id, fpaths, response_model=Receipt
)

필요한 경우 원시 JSON 출력에 액세스할 수 있습니다.

data = responses[0].data
print(data)

JSON 출력 예:

{
    'store_name': 'ABC Electronics',
    'date': '2024-08-05',
    'total_amount': 123.45,
    'items': [
        {'name': 'Laptop', 'quantity': 1, 'price': 999.99},
        {'name': 'Mouse', 'quantity': 1, 'price': 25.00},
        {'name': 'Keyboard', 'quantity': 1, 'price': 50.00}
    ]
}

결론

이 기사에서는 데이터 스키마를 정의하고 상점 영수증에서 구조화된 데이터를 추출하기 위해 Pydantic 모델과 함께 LlamaExtract를 사용하는 방법을 시연했습니다. 이 접근 방식을 사용하면 추출된 정보가 잘 정리되고 검증되므로 처리 및 분석이 더 쉬워집니다.

이는 다양한 사례, 송장, 영수증, 보고서 등에 사용할 수도 있습니다.

즐거운 코딩하세요!!

프로젝트가 있나요? 저에게 이메일을 보내주세요. [email protected]

질문이 있거나 내 게시물에 대해 가장 먼저 알고 싶으세요.-
LinkedIn에서 나를 ✅ 팔로우하세요 ?
Twitter/X에서 나를 ✅ 팔로우하세요 ?