AWSTextract只能从多页PDF中提取第一页的表格和表单
创始人
2024-09-27 15:30:14
0

AWS Textract文档指出,当提取表单和表格时,仅支持输入PDF文档的第一页。如果您需要从多页PDF中提取表单和表格,需要编写代码来将每个页面拆分为单独的文件,然后将每个文件单独传递给Textract。

以下是Python代码示例,用于从多页PDF中提取所有表单和表格:

import boto3
import io
from PyPDF2 import PdfFileReader, PdfFileWriter

TEXTRACT = boto3.client('textract')

def pdf_splitter(pdf_file):
    pdf_reader = PdfFileReader(pdf_file)
    for page_num in range(pdf_reader.getNumPages()):
        pdf_writer = PdfFileWriter()
        pdf_writer.addPage(pdf_reader.getPage(page_num))

        tf = io.BytesIO()
        pdf_writer.write(tf)
        tf.seek(0)
        yield tf

def extract_tables_and_forms(pdf_file):
    tables = []
    forms = []
    for page in pdf_splitter(pdf_file):
        response = TEXTRACT.analyze_document(Document={'Bytes': page.read()},
                                              FeatureTypes=['FORMS', 'TABLES'])
        if 'Forms' in response:
            forms.extend(response['Forms'])
        if 'Tables' in response:
            tables.extend(response['Tables'])

    return tables, forms

上述代码将给出一个PDF文件,并使用PdfFileReader将其分割成页面,并从每个页面提取表格和表单。textract.analyze_document()用于提取表单和表格信息。

要使用此代码示例,请确保您已经安装了以下Python包:

  • boto3
  • PyPDF2

运行示例的方式:

with open('multi_page.pdf', 'rb') as pdf_file:
    tables, forms = extract_tables_and_forms(pdf_file)

print("Tables found: ", tables)
print("Forms found: ", forms)

请注意,AWS Textract会对数据进行收费。有关详细信息,请参阅官方文档。

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...