注意：以下翻译的准确性尚未经过验证。这是使用 AIP ↗ 从原始英文文本进行的机器翻译。
使用Pipeline Builder创建媒体集批处理管道
在本教程中，我们将使用Pipeline Builder创建一个简单的管道，通过媒体集从PDF中提取文本。
在这个示例中，我们使用Palantir发布的公开可用文档的PDF。
在本教程结束时，您将拥有如下所示的管道：
该管道将生成一个新的Object输出，其中包含提取的PDF文本，可用于进一步的探索。
第1部分：初始设置
首先，我们需要创建一个新的管道。
-
登录到Foundry后，从左侧导航栏访问Pipeline Builder。如果Pipeline Builder不在应用列表中，选择查看全部，在构建和监控管道部分下找到Pipeline Builder。
-
接下来，在Pipeline Builder主页的右上角，通过选择新建管道来创建新管道。然后选择批处理管道。
创建流式管道的功能并不是在所有Foundry环境中都可用。如果您的应用案例需要它，请联系您的Palantir代表以获取更多信息。
-
选择一个位置保存您的管道。请注意，管道不能保存在个人文件夹中。
-
选择创建管道。
第2部分：添加媒体集
现在我们可以将数据集添加到我们的管道工作流中。在本教程中，我们将使用来自Palantir的公开可用文档的PDF。
-
从Pipeline Builder页面，在主页上选择添加Foundry数据。
您还可以选择顶部面板上的添加数据操作。
或者，您可以拖放计算机上的文件以用作您的媒体集。
-
如果您选择了添加数据或添加Foundry数据，您将可以选择您想要的媒体集。
-
选择所有媒体集后，选择添加数据。
-
导入媒体集后，您将能够看到带有缩略图预览的媒体集。
第3部分：媒体集变换
添加原始媒体集后，我们可以进行一些基本的变换。在此工作流中，我们将从这些PDF文件中提取文本。
从PDF中提取文本
首先，我们将变换年度信件媒体集媒体集。选择媒体集中媒体项的媒体引用。
获取媒体引用
-
在您的图中选择
年度信件媒体集节点。 -
选择变换。
-
搜索并选择将媒体集转换为表行变换以打开面板。
-
选择是否
包含时间戳和按路径去重。
-
选择应用以将变换添加到您的管道中。
-
您的输出应如下所示：
示例媒体引用：
{"mimeType":"application/pdf","reference":{"type":"mediaSetItem","mediaSetItem":{"mediaSetRid":"ri.mio.main.media-set.xxx","mediaItemRid":"ri.mio.main.media-item.xxx"}}}示例媒体项RID：
ri.mio.main.media-item.xxx-xxx-xxx-xxx-xxxx
提取文本
-
使用媒体引用后，您现在可以选择一个新的面板，该面板利用媒体引用。搜索并选择文本提取变换。
-
选择提取方法（
原始文本（PDF解析）或OCR），媒体引用列，OCR输出格式（如果选择了OCR），以及语言/脚本。
-
选择应用以将变换添加到您的管道中。
-
当您将鼠标悬停在提取的文本上时，您的输出应如下所示：
您现在可以在提取的文本列上运行可用的字符串变换。
-
选择右上角的返回图表以返回到您的管道图表。
（非必填）语义搜索工作流
如果需要，您可以继续使用提取的文本进行语义搜索工作流。
第4部分：添加输出
现在我们已完成从PDF中提取文本并可能运行额外的字符串变换，我们可以添加一个输出。在本教程中，我们将添加一个Object输出。
-
在完成变换的
Transforms节点中，选择添加输出。
-
选择新对象类型。
-
命名您的对象类型并通过选择请选择一个Ontology来设置Ontology。
-
选择编辑并编辑任何列映射。确保为主键选择有效的列。
第5部分：搭建管道
-
要搭建您的管道，请确保选择保存，然后选择部署 > 部署管道。
-
您应该在
部署管道侧边栏选项下看到初始化部署。
-
选择查看部署历史以跟踪您的部署进度。您应该被引导到管道中的
历史选项卡，在那里您可以查看部署的状态和历史：
（非必填）第6部分：Ontology之北
一旦部署完成并且您的对象已初始化，您应该能够直接在您的对象输出上进行操作。选择创建Workshop模块以生成一个带有管道输出的Workshop模块。
通过这最后一步，我们生成了管道输出并生成了一个Workshop模块。