【随時更新】Document Understanding のデータ出力操作のメモ

はじめに

• 本記事は、UiPath Studio の基礎知識をお持ちで、これから Document Understanding を利用したい方向けの内容となっています。
• 記事の内容は、個人の見解または確認結果であり、UiPath の公式見解ではありません。
• 製品仕様や参考画像は 23.4 バージョンで構成しています。
• Automation Cloud のアカウントおよび Pro Trial を申請するなどして DU のアクセス権限を取得している必要があります。

Document Understanding のデータ出力操作のメモ

探し方がよくなかったのか、Document Understanding のエクスポートで得られる出力（DataSet（データセット）型）（※補足） に関する記事がみつからなかったのでメモしておきます。

DataSet型はデータベースの様なもので、Document Understanding にみる
読み取り結果が1種類の表（テーブル）におさまらないケースでよく使われます。

※補足：以下がDUの抽出結果をエクスポートするアクティビティ

Document Understanding のテンプレートにある標準の出力

1. 「繰り返し（コレクションの各要素）」を配置、{DataSet}.Tables を各要素に、
   TypeArgument に DataTable を指定します。
2. 「範囲に書き込み（ワークブック）」を配置し、出力ファイルパス・シート名・内容（明細レコード）を指定します。

これによって、次の様な出力結果が得られます。

読み取った文書の単位でEXCEL等に情報出力できればよいケース に適応します。
なお、「データ テーブルを出力」や「CSV」アクティビティをもちいることでテキストやCSV出力も可能です。

※DU でエクスポートしたデータセットの構成例：
（「Simple Fields（表）」であれば抽出結果のデータセット.Tables(0)で取得できます。

• Simple Fields（表）
• Simple Fields - Formatted（表）
• タクソノミーで設定した表
• タクソノミーで設定した表 - Formatted

特定項目の値を取得したい、項目を絞って出力したい

読み取ったデータから取得する項目、出力項目を絞りたい場合にも、

抽出結果のデータセット.Tables(0).Rows(0).item("部署名").ToString+","+抽出結果のデータセット.Tables(0).Rows(0).item("お名前").ToString+","+抽出結果のデータセット.Tables(0).Rows(0).item("自由記述欄").ToString

の様に、{DataSet}.Tables(インデックス) でテーブル化できるため、普段のテーブル操作と同じ様に値取得が可能です。

// 値加工のサンプル：
// 半角スペースを除去（単純な文字列置換）
{左辺の整形済みテキスト} = 抽出結果のデータセット.Tables(0).Rows(0).item("自由記述欄").ToString.Replace(" ","")

// 電話番号からハイフンを除去（正規表現をもちいた置換）（例）080-1234-5555　→　08012345555
{左辺の整形済みテキスト} = System.Text.RegularExpressions.Regex.Replace(抽出結果のデータセット.Tables(0).Rows(0).item("電話番号").ToString, "[^0-9]", "")

// 日付のフォーマットを変更（正規表現をもちいた置換）（例）2023/06/14　→　2023年6月14日
System.Text.RegularExpressions.Regex.Replace(抽出結果のデータセット.Tables(0).Rows(0).item("入力日付").ToString,"(?<year>(?:\d\d)?\d\d)/(?<month>\d\d?)/(?<day>\d\d?)","${year}年${month}月${day}日")

読み取ったレコードを1つの表に纏めたい

本メモ記事を書く動機となったケースです。
新たなテーブルを1個つくって、そこにレコード追加をしていきたい場合 の実装メモです。

まず、「データ テーブルを構築」で新しいテーブルのインスタンスを生成しておきます。

繰り返し処理の中に「データ行を追加」アクティビティを配置し、{DataSet}.Tables(インデックス).Rows(インデックス).ItemArray と記述し列配列を指定します。

（tmpTable の出力例）

詳しくないので解説はできませんが、「抽出結果のデータセット.Tables(0).Select.First」の様に記述し DataRow をつくって行追加（.Add）しようとしても、既に他のテーブルに所属しています、とエラーになってしまいます。

おわりに

いかがでしたでしょうか？
Document Understanding の機能はワークフローの一部であり、読み取った後のデータ操作が肝となるのですが、
DataSet型扱ったことがない方にとっては？がつきやすい部分かとおもい記事にしました。
この記事を読んで少しでもDUの理解が深まった、また関心が強まったという方は
是非以下の記事等もご覧になっていただけますと幸いです。