AWS Textract支持使用Excel生成的PDF吗?
创始人
2024-11-18 12:01:26
0

是的,AWS Textract支持使用Excel生成的PDF。您可以使用AWS SDK或AWS CLI调用Textract API来提取Excel生成的PDF中的文本和表格数据。

以下是使用Python AWS SDK(Boto3)的示例代码:

import boto3

# 创建Textract客户端
client = boto3.client('textract')

# 调用Textract的StartDocumentTextDetection API
response = client.start_document_text_detection(
    DocumentLocation={
        'S3Object': {
            'Bucket': 'your-bucket-name',
            'Name': 'your-pdf-file.pdf'
        }
    },
    FeatureTypes=['TABLES', 'FORMS']  # 提取表格和表单数据
)

# 获取JobId
job_id = response['JobId']

# 等待文本提取任务完成
response = client.get_document_text_detection(JobId=job_id)
while response['JobStatus'] == 'IN_PROGRESS':
    response = client.get_document_text_detection(JobId=job_id)

    # 等待一段时间后再次检查任务状态
    import time
    time.sleep(5)

# 提取文本和表格数据
blocks = response['Blocks']
for block in blocks:
    if block['BlockType'] == 'LINE':
        print('Text: ', block['Text'])
    elif block['BlockType'] == 'TABLE':
        for cell in block['Relationships'][0]['Ids']:
            print('Table Cell Text: ', blocks[cell]['Text'])

在上面的代码中,您需要将'your-bucket-name'替换为存储PDF文件的S3存储桶的名称,并将'your-pdf-file.pdf'替换为您要提取文本的PDF文件的名称。

此代码将启动一个文本提取任务,并等待任务完成。然后,它将从提取的结果中获取文本和表格数据,并将其打印出来。

请注意,Textract的StartDocumentTextDetection API是异步调用,您需要等待任务完成后才能获取提取的文本数据。

您还可以使用AWS CLI来调用Textract API。以下是使用AWS CLI的示例命令:

aws textract start-document-text-detection --document-location "S3Object={Bucket=your-bucket-name,Name=your-pdf-file.pdf}" --feature-types "TABLES" "FORMS" --output json

请确保替换'your-bucket-name'和'your-pdf-file.pdf'为相应的值。

这些代码示例可以帮助您开始使用AWS Textract提取Excel生成的PDF中的文本和表格数据。

相关内容

热门资讯

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
北信源内网安全管理卸载 北信源内网安全管理是一款网络安全管理软件,主要用于保护内网安全。在日常使用过程中,卸载该软件是一种常...