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

据统计!pokemomo辅助软... 据统计!pokemomo辅助软件,八张透视辅助,演示教程(有挂细节)1、全新机制【八张透视辅助ai辅...
明白辅助挂!红龙poker作弊... 明白辅助挂!红龙poker作弊指令,奇迹脚本辅助,大纲教程(有挂方针)1、游戏颠覆性的策略玩法,独创...
目前!德州圈脚本,德普之星辅助... 目前!德州圈脚本,德普之星辅助器,积累教程(真的有挂)1、操作简单,无需德普之星辅助器手机版透视脚本...
相较于以往!智星菠萝有挂吗,来... 相较于以往!智星菠萝有挂吗,来来拼十辅助免费辅助,方针教程(存在有挂)1、首先打开来来拼十辅助免费辅...
据通报!德扑之心免费透视,广东... 据通报!德扑之心免费透视,广东雀神挂机怎么样,步骤教程(有挂方略)1、该软件可以轻松地帮助玩家将广东...
有玩家发现!aapoker真的... 有玩家发现!aapoker真的假的,闲聚辅助器,绝活儿教程(讲解有挂)1)闲聚辅助器免费钻石:进一步...
方法辅助挂!德州局脚本,博雅红... 方法辅助挂!德州局脚本,博雅红河西元红河挂,方式教程(有挂讲解)1、博雅红河西元红河挂免费辅助多个强...
有玩家发现!扑克之星辅助,jj... 有玩家发现!扑克之星辅助,jj斗地主外卦,讲义教程(有挂分析)1、进入到jj斗地主外卦是否有挂之后,...
黑科技辅助挂!hhpoker辅... 黑科技辅助挂!hhpoker辅助,陕麻圈辅助开挂软件,妙招教程(有挂详情);1、下载好陕麻圈辅助开挂...
为切实保障!epoker透视底... 为切实保障!epoker透视底牌,哈局八张辅助,总结教程(有挂方略)1、该软件可以轻松地帮助玩家将哈...