AWS Textract 无法识别 PDF 文档的第二页的表格。
创始人
2024-11-18 12:00:21
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

透视揭露!wepoker辅助脚... 透视揭露!wepoker辅助脚本,wepoker私人局透视-确实是真的有辅助神器(哔哩哔哩)1、下载...
透视科普!wpk透视是真的假的... 透视科普!wpk透视是真的假的,wpk软件是正规的吗-真是存在有辅助软件(哔哩哔哩)1、金币登录送、...
透视解密!wepoker辅助真... 透视解密!wepoker辅助真的假的,We poker辅助器下载-真是真的有辅助神器(哔哩哔哩)亲,...
透视推荐!hhpoker辅助软... 透视推荐!hhpoker辅助软件,hhpoker德州有挂吗-果然是有辅助神器(哔哩哔哩)1、模拟器是...
透视科普!wpk透视是真的假的... 透视科普!wpk透视是真的假的,wpk辅助器是真的吗-真是是真的有辅助攻略(哔哩哔哩)1、有没有辅助...
透视曝光!wepoker可以透... 透视曝光!wepoker可以透视码,wejoker内置辅助-本来有辅助教程(哔哩哔哩)1、该软件可以...
透视揭露!wepoker破解工... 透视揭露!wepoker破解工具,wepoker怎么设置盖牌-本来一直总是有辅助方法(哔哩哔哩)1、...
透视有挂!有哪些免费的wpk作... 透视有挂!有哪些免费的wpk作弊码,wpk辅助器是真的吗-果然一直总是有辅助脚本(哔哩哔哩)1、公共...
透视关于!德扑圈透视挂,德普之... 透视关于!德扑圈透视挂,德普之星透视辅助-好像是真的有辅助软件(哔哩哔哩)脚本下载中分为三种模型:挂...
透视解密!德普辅助器怎么用,德... 透视解密!德普辅助器怎么用,德普之星透视-好像是有辅助app(哔哩哔哩)1、完成辅助器v3.3的残局...