AWSTextract能否捕获PDF文本的特定部分?
创始人
2024-09-27 15:00:57
0

是的,AWS Textract可以捕获PDF文本的特定部分。以下是使用AWS Textract和Python示例代码:

import boto3

# AWS Textract client
textract = boto3.client('textract')

# S3 bucket name and file name
s3_bucket_name = 'my-s3-bucket'
document_name = 'sample.pdf'

# Define the bounding box of the specific portion of the document you want to extract
# Coordinates should be in the format of {'X': int, 'Y': int}. All coordinates are in document pixels (72 DPI)
bounding_box = {
    'Top': 400,
    'Left': 100,
    'Width': 300,
    'Height': 100
}

# Set up the analysis features
feature_types = ['TABLES', 'FORMS']

# Call AWS Textract to analyze the document
response = textract.analyze_document(
    Document={
        'S3Object': {
            'Bucket': s3_bucket_name,
            'Name': document_name,
        }
    },
    FeatureTypes=feature_types,
    BlockType='LINE',
    Geometry={
        'BoundingBox': bounding_box
    }
)

# Extract the text from the specific region
text = ''
for block in response['Blocks']:
    if block['BlockType'] == 'LINE':
        text += block['Text'] + '\n'

print(text)

在此示例中,我们使用了一个名为“sample.pdf”的文件并且按照我们所需的尺寸和位置定义了特定部分。运行脚本后,从PDF文档的指定位置提取文本并将其打印到控制台。

相关内容

热门资讯

第8分钟了解!余干辅助软件哪个... 第8分钟了解!余干辅助软件哪个好!原来是真的有辅助插件(有挂总结)-哔哩哔哩1、上手简单,内置详细流...
第9分钟了解!牵手跑辅助!一贯... 第9分钟了解!牵手跑辅助!一贯真的是有辅助神器(有挂技巧)-哔哩哔哩1、牵手跑辅助辅助器安装包、牵手...
两分钟了解!浙江游戏温州熟客辅... 两分钟了解!浙江游戏温州熟客辅助!切实一直都是有辅助插件(果真有挂)-哔哩哔哩1、每一步都需要思考,...
第三分钟了解!海螺众娱脚本!真... 第三分钟了解!海螺众娱脚本!真是是真的有辅助教程(有挂解密)-哔哩哔哩1)海螺众娱脚本免费钻石:进一...
十分钟了解!决战血流辅助!一贯... 十分钟了解!决战血流辅助!一贯一直都是有辅助技巧(有挂详情)-哔哩哔哩运决战血流辅助辅助工具,进入游...
四分钟了解!开心泉州作必弊!果... 四分钟了解!开心泉州作必弊!果然存在有辅助技巧(有挂细节)-哔哩哔哩1、开心泉州作必弊透视辅助软件激...
三分钟了解!情怀麻烦将关春天辅... 三分钟了解!情怀麻烦将关春天辅助!其实一直总是有辅助神器(有挂教学)-哔哩哔哩1、完成情怀麻烦将关春...
8分钟了解!福建十三水软件开发... 8分钟了解!福建十三水软件开发!一直有辅助工具(有挂秘诀)-哔哩哔哩该软件可以轻松地帮助玩家将福建十...
九分钟了解!手游奇迹陕西辅助工... 九分钟了解!手游奇迹陕西辅助工具!果然一直都是有辅助方法(真实有挂)-哔哩哔哩该软件可以轻松地帮助玩...
第5分钟了解!微信海豚大厅辅助... 第5分钟了解!微信海豚大厅辅助!总是一直总是有辅助软件(证实有挂)-哔哩哔哩该软件可以轻松地帮助玩家...