python - AWS Textract - UnsupportedDocumentException - PDF

Question

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。

import boto3

def process_text_analysis(bucket, document):
    # Get the document from S3
    s3_connection = boto3.resource('s3')
    s3_object = s3_connection.Object(bucket, document)
    s3_response = s3_object.get()
    # Analyze the document
    client = boto3.client('textract')
    response = client.analyze_document(Document={'S3Object': {'Bucket': bucket, 'Name': document}},
                                       FeatureTypes=["FORMS"])


process_text_analysis('francismorgan-01', '709 Privado M SURESTE.pdf')

我已使用分析文档遵循 ​​AWS 文档，但在运行函数时出现错误。

botocore.errorfactory.UnsupportedDocumentException: An error occurred (UnsupportedDocumentException) when calling the AnalyzeDocument operation: Request has unsupported document format

我错过了什么吗？

Answer 1

AnalyzeDocument是一个同步 API，只支持 PNG 或 JPG 图片。

由于您要处理 PDF 文件，因此您需要使用 Amazon Textract 异步 API 例如 StartDocumentAnalysis , StartDocumentTextDetection