AWS Textract 无法识别 PDF 文档的第二页的表格。
创始人
2024-11-18 12:01:17
0

要解决 AWS Textract 无法识别 PDF 文档的第二页的表格的问题,可以使用以下代码示例:

import boto3

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

def extract_table_from_pdf(pdf_s3_bucket, pdf_s3_object_key):
    # 构建请求参数
    start_page = 2  # 设置开始页码为第二页
    end_page = 2  # 设置结束页码为第二页
    feature_types = ['TABLES']  # 设置要提取的特征类型为表格

    # 发起 Textract 分析请求
    response = textract_client.start_document_analysis(
        DocumentLocation={
            'S3Object': {
                'Bucket': pdf_s3_bucket,
                'Name': pdf_s3_object_key
            }
        },
        FeatureTypes=feature_types,
        StartPage=start_page,
        EndPage=end_page
    )

    # 获取分析任务的标识符
    job_id = response['JobId']

    # 等待分析任务完成
    while True:
        response = textract_client.get_document_analysis(JobId=job_id)

        status = response['JobStatus']
        if status in ['SUCCEEDED', 'FAILED']:
            break

    if status == 'SUCCEEDED':
        # 提取表格结果
        tables = []
        for page_result in response['Blocks']:
            if page_result['BlockType'] == 'TABLE':
                table = []
                for relationship in page_result['Relationships']:
                    if relationship['Type'] == 'CHILD':
                        for child_id in relationship['Ids']:
                            child = response['Blocks'][child_id]
                            if child['BlockType'] == 'CELL':
                                table.append(child['Text'])
                tables.append(table)

        return tables
    else:
        # 分析任务失败
        print(f"分析任务失败:{response['StatusMessage']}")
        return None

# 使用示例
pdf_s3_bucket = 'your-pdf-s3-bucket'
pdf_s3_object_key = 'your-pdf-s3-object-key'

tables = extract_table_from_pdf(pdf_s3_bucket, pdf_s3_object_key)
if tables:
    for table in tables:
        print(table)
else:
    print("无法提取表格。")

在上述代码中,我们使用 start_document_analysis 方法发起 Textract 分析任务,并通过指定 StartPageEndPage 参数来指定要分析的页码范围。在本例中,我们将 StartPageEndPage 都设置为 2,即只分析第二页。

同时,我们还设置 FeatureTypes 参数为 ['TABLES'],表示只提取表格特征。根据实际需要,您可以调整这些参数以满足您的需求。

在分析任务完成后,我们从分析结果中提取表格数据,并返回一个包含所有表格的列表。

请确保您已正确配置 AWS 身份验证凭证,并将正确的 PDF 文件的 S3 存储桶和对象键传递给 extract_table_from_pdf 函数。

注意:有时 Textract 可能无法正确识别表格,特别是对于复杂的表格布局。在这种情况下,您可以尝试调整 Textract 的分析参数或使用其他工具进行表格提取。

相关内容

热门资讯

安卓换鸿蒙系统会卡吗,体验流畅... 最近手机圈可是热闹非凡呢!不少安卓用户都在议论纷纷,说鸿蒙系统要来啦!那么,安卓手机换上鸿蒙系统后,...
安卓系统拦截短信在哪,安卓系统... 你是不是也遇到了这种情况:手机里突然冒出了很多垃圾短信,烦不胜烦?别急,今天就来教你怎么在安卓系统里...
app安卓系统登录不了,解锁登... 最近是不是你也遇到了这样的烦恼:手机里那个心爱的APP,突然就登录不上了?别急,让我来帮你一步步排查...
安卓系统要维护多久,安卓系统维... 你有没有想过,你的安卓手机里那个陪伴你度过了无数日夜的安卓系统,它究竟要陪伴你多久呢?这个问题,估计...
windows官网系统多少钱 Windows官网系统价格一览:了解正版Windows的购买成本Windows 11官方价格解析微软...
安卓系统如何卸载app,轻松掌... 手机里的App越来越多,是不是感觉内存不够用了?别急,今天就来教你怎么轻松卸载安卓系统里的App,让...
怎么复制照片安卓系统,操作步骤... 亲爱的手机控们,是不是有时候想把自己的手机照片分享给朋友,或者备份到电脑上呢?别急,今天就来教你怎么...
安卓系统应用怎么重装,安卓应用... 手机里的安卓应用突然罢工了,是不是让你头疼不已?别急,今天就来手把手教你如何重装安卓系统应用,让你的...
iwatch怎么连接安卓系统,... 你有没有想过,那款时尚又实用的iWatch,竟然只能和iPhone好上好?别急,今天就来给你揭秘,怎...
iphone系统与安卓系统更新... 最近是不是你也遇到了这样的烦恼?手机更新系统总是失败,急得你团团转。别急,今天就来给你揭秘为什么iP...