问题标签 [amazon-textract]

我已经在登台服务器上推送了我的文本代码，现在我收到一个错误。

它正在开发一个开发系统。我不明白为什么会这样。

我正在使用 dotnet core 3.0

我正在关注此处提供的代码示例。[https://github.com/aws-samples/amazon-textract-code-samples/tree/master/src-csharp]

我对 IAM 凭证有疑问。为此，我在登台服务器上安装了适用于 Windows 和 AWS CLI 的 AWS 开发工具包工具，然后运行命令（此处提到 [https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure .html#cli-quick-configuration] ) 使用命令提示符进行配置。我认为它（IAM）可能会被保存到环境中。但没有成功。

在 S3 存储桶上上传文件的代码正在上传它，但是在向 Textract 服务发出请求时，它正在崩溃。

System.Net.Http.HttpRequestException：响应状态码不表示成功：400（错误请求）

我不明白是什么问题。在开发方面，它正在发挥作用。有什么帮助吗？

我正在使用 boto3（用于 python 的 aws sdk）来分析文档（pdf）以获取表单键：值对。

我使用分析文档遵循了 AWS 的文档，当我运行我的函数时，我得到了错误。

我错过了什么吗？

我想使用 AWS Textract 将我的图像转换为 python 中的表格并将其下载为 CSV。

因此，我在这里遵循了 AWS 的文档和示例代码： https ://github.com/awsdocs/aws-doc-sdk-examples/blob/master/python/example_code/textract/textract_python_table_parser.py

显然，上面链接中的代码会将整数中的逗号分隔到另一列中。我将用图像和步骤来解释重现以下错误：

所以这是我的表格的图像形式的例子。

如果您想重现错误，请克隆 github 存储库中的代码并在您的 cmd/终端中键入以下代码

错误如下：

正如您在 ["Amount (USD)"] 列中看到的，其中带有逗号的值将进入 ["Transaction Date"] 列。即使我在熊猫中阅读了 csv 文件也没有工作。

我想知道 GitHub 存储库中的哪一行代码将逗号分隔到另一列中

我正在将 AWS 的文本用于文档，但它似乎没有检测到文本是否为粗体。有什么我遗漏的东西还是不是一个功能？

我正在使用 Microsoft 计算机视觉提取文本，它返回给我一个 JSON 响应。Microsoft 计算机视觉是否能够连同 JSON 响应一起提取字体信息。或者就此而言，目前是否有任何 OCR 技术返回字体信息？

我需要从 S3 中的 PDF 和图像文件中获取 OCR（光学字符识别）数据，以便用户可以对该 OCR 数据执行搜索。我正在使用 AWS Textract 进行文本提取以获取 OCR 数据。

我打算将 OCR 数据存储在 Dynamo DB 中并在其中执行搜索查询。

我面临的问题是由于 dynamo db 项目的大小限制为 400KB。

我遇到用户在 S3 中上传 100+ MB PDF 文件的情况，其中提取的文本内容将超过此限制。那么在这种情况下最好的方法是什么。

请帮助提前谢谢！

当我启动一个文本 StartDocumentTextDetection 并尝试设置 NotificationChannel 如下

我收到一个 InvalidParameterException

调用 StartDocumentTextDetection 操作时发生错误（InvalidParameterException）：请求具有无效参数

python 3.7 boto3 1.12.35

根据AWS Textract 的文档，它能够选择复选框和单选按钮。但是，我正在上传我能想到的最简单的例子，干净的床单，清晰的空间单选按钮选项：

我尝试了另一个版本，单选按钮旁边有文字：

当我通过 Textract 控制台运行任一版本并下载apiResponse.json（我已在此处上传了一个要点）时，我发现它只选择了两个单选按钮（即，如果您搜索SELECTION_ELEMENT，您只会找到两个实例，当明显有 5 个单选按钮时。

我不知道如何使单选按钮更加明显。这与复选框类似。

有什么关于我缺少的单选按钮的吗？我觉得我一定是忽略了一些简单的事情——在拾取单选按钮方面，Textract 的性能肯定不会这么低吗？

我在下面找到了用 python 做的文章。

https://docs.aws.amazon.com/textract/latest/dg/examples-export-table-csv.html

我也使用下面的文章来提取文本。

https://docs.aws.amazon.com/textract/latest/dg/detecting-document-text.html

但是上面的文章只帮助获取了文本，我还使用了 Block 的函数“block.getBlockType()”，但没有一个块将其类型返回为“CELL”，即使图像/pdf 中有表格。

帮我找到类似于“boto3”的java库来提取所有表。

我想从战场和火箭联盟等不同游戏的图像中获取记分牌/排行榜数据。

为此，我使用 amazon textract API 从图像中获取记分牌数据。

但亚马逊 textract API 有时会给我一个错误的结果，比如 7 而不是 0，有时它无法从记分板上识别字符，结果只有 90% 不是 100%，我们需要 100% 准确的数据。

如果有任何其他 API 或任何其他相关解决方案可用于获取 100% 数据，请告知我们。欣赏