문서 정보 추출 및 비교 도구

이 프로젝트는 문서(이미지, PDF)에서 정보를 추출하고, 그 결과를 원본 문서와 나란히 비교할 수 있는 도구를 제공합니다.

구성 요소

추출 스크립트 (workspace/process_directory.py): 지정된 디렉터리의 모든 파일에 대해 정보 추출 API를 호출하고 결과를 JSON 파일로 저장합니다.
비교 웹앱 (workspace/app.py): Streamlit 기반의 웹 애플리케이션으로, 원본 문서와 추출된 JSON 결과를 업로드하여 시각적으로 비교할 수 있습니다.

1. 추출 스크립트 사용법 (`process_directory.py`)

사전 준비

스크립트를 실행하기 위해서는 Python 3.6 이상이 필요합니다.

1.1. 환경 변수 설정

API 서버의 정보는 민감 정보이므로, workspace 디렉터리 안에 .env 파일을 생성하여 관리합니다.

.env 파일 예시 (workspace/.env):

BASE_URL="http://172.0.0.1:8888"
API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"

중요: 이 .env 파일은 .gitignore에 의해 버전 관리에서 자동으로 제외됩니다.

1.2. 의존성 설치

프로젝트 루트 디렉터리에서 다음 명령어를 실행하여 필요한 라이브러리를 설치합니다.

pip install -r requirements.txt

실행 방법

프로젝트 루트 디렉터리에서 다음 형식으로 스크립트를 실행합니다.

python workspace/process_directory.py [입력_디렉터리] [옵션]

인자 설명

input_dir (필수): 처리할 파일들이 들어있는 입력 디렉터리의 경로입니다.
-o, --output_dir (선택): 결과 JSON 파일들을 저장할 출력 디렉터리입니다. (기본값: results)
--endpoint (선택): 호출할 API 엔드포인트를 지정합니다. (i18n 또는 d6c, 기본값: i18n)
--model (선택): 사용할 특정 LLM 모델의 이름을 지정합니다.

실행 예시

# 'source_documents/data'에 있는 파일들을 'i18n' 엔드포인트로 처리
python workspace/process_directory.py source_documents/data

# 'd6c' 엔드포인트를 사용하여 처리하고 결과를 'my_results' 폴더에 저장
python workspace/process_directory.py source_documents/data2 --endpoint d6c -o my_results

2.3 KiB Raw Permalink Blame History