AWSTextract对于多页表格检测到不同数量的列
创始人
2024-09-27 15:01:59
0次

AWS Textract在多页表格中检测到不同数量的列可能是由于表格可能不完全对齐或在不同页面中出现了格式差异。解决此问题的一种方法是使用Python脚本对文档进行后处理,以使其具有一致的表格结构。

以下是一个示例脚本,可用于将文档中的所有多页表格对齐:

import boto3

def fix_table(table):
    # 获取第一页的列数
    first_page_columns = len(table['Blocks'][0]['ColumnWidths'])
    for page in table['Blocks']:
        # 如果该页表格中的列数少于第一页的列数,则将其插入列并将列宽设为0
        if len(page['ColumnWidths']) < first_page_columns:
            for i in range(first_page_columns - len(page['ColumnWidths'])):
                page['ColumnWidths'].append(0)

    return table

# 连接aws服务
session = boto3.Session(
    aws_access_key_id='ACCESS_KEY',
    aws_secret_access_key='SECRET_KEY',
    region_name='us-west-2'
)

# 获取文档中所有多页表格
client = session.client('textract')
response = client.analyze_document(
    Document={
        'S3Object': {
            'Bucket': 'BUCKET_NAME',
            'Name': 'DOCUMENT_NAME'
        }
    },
    FeatureTypes=['TABLES']
)

# 对每个多页表格进行对齐
for table in response['Blocks']:
    if table['BlockType'] == 'TABLE':
        fixed_table = fix_table(table)

此代码将获取AWS Textract分析的文档中所有多页表格,并对每个表格运行fix_table函数。该函数检查每个页面的列数,并将任何缺少的列插入到表格中,以使每个页面的列数与第一页相同。

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...