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

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...