AWS Textract表格提取将包含逗号的整数拆分为另一列。
创始人
2024-11-18 12:00:56
0

使用AWS Textract提取表格后,可以使用Python代码将包含逗号的整数拆分为另一列。以下是一个示例解决方法:

import boto3

# 初始化AWS Textract客户端
textract = boto3.client('textract')

# 调用AWS Textract提取表格
response = textract.start_document_analysis(
    Document={
        'S3Object': {
            'Bucket': 'your-bucket-name',
            'Name': 'your-image-file-name'
        }
    },
    FeatureTypes=['TABLES']
)

# 获取分析结果
job_id = response['JobId']
result = textract.get_document_analysis(JobId=job_id)

# 解析表格
tables = result['Blocks']
for table in tables:
    if table['BlockType'] == 'TABLE':
        rows = table['Relationships'][0]['Ids']
        for row in rows:
            columns = result['Blocks'][row]['Relationships'][0]['Ids']
            for column in columns:
                cell = result['Blocks'][column]
                if cell['BlockType'] == 'CELL':
                    # 检查单元格文本是否包含逗号
                    if ',' in cell['Text']:
                        # 拆分包含逗号的整数为两列
                        text = cell['Text']
                        split_text = text.split(',')
                        if len(split_text) == 2:
                            # 更新原单元格文本为不包含逗号的整数
                            cell['Text'] = split_text[0].strip()
                            # 创建新的单元格来存储逗号后的内容
                            new_cell = {
                                'BlockType': 'CELL',
                                'ColumnIndex': cell['ColumnIndex'] + 1,
                                'RowIndex': cell['RowIndex'],
                                'Text': split_text[1].strip()
                            }
                            # 将新单元格添加到结果中
                            result['Blocks'].append(new_cell)

# 打印更新后的表格
for block in result['Blocks']:
    if block['BlockType'] == 'CELL':
        print(block['Text'])

上述代码首先使用AWS Textract提取表格,然后遍历表格中的每个单元格。对于包含逗号的整数,它会将其拆分为两列并更新原单元格的文本,同时创建一个新的单元格来存储逗号后的内容。最后,它打印出更新后的表格。

请确保将your-bucket-nameyour-image-file-name替换为实际的S3存储桶和图像文件名。此外,还需要适当配置AWS凭证和权限以访问Textract服务。

相关内容

热门资讯

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...