View a markdown version of this page

Textzeilen und -wörter - Amazon Textract

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Textzeilen und -wörter

Erkannter Text, der von Amazon Textract-Vorgängen zurückgegeben wird, wird in einer Liste von https://docs.aws.amazon.com/textract/latest/APIReference/API_Block.html Blockobjekten zurückgegeben. Diese Objekte stellen Textzeilen oder Textwörter dar, die auf einer Dokumentseite erkannt wurden. Der folgende Text zeigt zwei Textzeilen, die aus mehreren Wörtern bestehen.

Das ist Text.

In zwei getrennten Zeilen.

Erkannter Text wird im Text Feld eines Block Objekts zurückgegeben. Das BlockType Feld bestimmt, ob es sich bei dem Text um eine Textzeile (LINE) oder ein Wort (WORD) handelt. Ein WORT besteht aus einem oder mehreren lateinischen ISO-Zeichen in lateinischer Schrift, die nicht durch Leerzeichen getrennt sind. Eine ZEILE ist eine Zeichenfolge aus tabulatorgetrennten und zusammenhängenden Wörtern.

Darüber hinaus ermittelt Amazon Textract anhand des Felds, ob ein Text handgeschrieben oder gedruckt wurde. TextTypes Diese werden als HANDSCHRIFTLICH bzw. GEDRUCKT zurückgegeben.

Die anderen Block Eigenschaften sind allen Blocktypen gemeinsam, z. B. die ID-, Konfidenz- und Geometrieinformationen. Weitere Informationen finden Sie unter Antwortobjekte für Texterkennung und Dokumentenanalyse.

Um nur Zeilen und Wörter zu erkennen, können Sie DetectDocumentText oder verwenden StartDocumentTextDetection. Weitere Informationen finden Sie unter Erkennen von Text. Um den erkannten Text (Zeilen und Wörter) sowie Informationen darüber abzurufen, wie er sich auf andere Teile des Dokuments, z. B. Tabellen, bezieht, können Sie AnalyzeDocument oder verwenden StartDocumentAnalysis. Weitere Informationen finden Sie unter Dokumente werden analysiert.

PAGELINE, und WORD Blöcke sind in einer Eltern-Kind-Beziehung miteinander verknüpft. Ein PAGE Block ist das übergeordnete Element für alle LINE Blockobjekte auf einer Dokumentseite. Da eine ZEILE ein oder mehrere Wörter enthalten kann, speichert das Relationships Array für einen LINE-Block die IDs der untergeordneten WORD-Blöcke, aus denen die Textzeile besteht.

Das folgende Diagramm zeigt, wie die Zeile Hello, world aussieht. im Text Hallo, Welt. Wie geht's dir? wird durch Block Objekte repräsentiert.

Diagramm, das die Textobjekte „PAGE“, „LINE“ mit zwei Instanzen, „WORD“ mit zwei Instanzen und „Hello, world“ zeigt. Beschriftungen und Verbindungen stellen eine hierarchische Struktur dar.

Das Folgende ist die JSON-Ausgabe aus dem DetectDocumentText Satz Hello, world. Wie geht's dir? wird erkannt. Das erste Beispiel ist das JSON für die Dokumentseite. Sie können die CHILD-IDs verwenden, um durch das Dokument zu navigieren.

{
    "Geometry": {...}, 
    "Relationships": [
        {
            "Type": "CHILD", 
            "Ids": [
                "d7fbd604-d609-4d69-857d-247a3f591238", // Line - Hello, world.
                "b6c19a93-6493-4d8e-958f-853c8f7ca055" //  Line - How are you?
            ]
        }
    ], 
    "BlockType": "PAGE", 
    "Id": "56ec1d77-171f-4881-9852-2b5b7e761608"
},

Im Folgenden finden Sie das JSON-Format für die LINE-Blöcke, aus denen die Zeile „Hello, World“ besteht: 

{
    "Relationships": [
        {
            "Type": "CHILD", 
            "Ids": [
                "7f97e2ca-063e-47a8-981c-8beee31afc01", // Word - Hello,
                "4b990aa0-af96-4369-b90f-dbe02538ed21"  // Word - world.
            ]
        }
    ], 
    "Confidence": 99.63229370117188, 
    "Geometry": {...}, 
    "Text": "Hello, world.", 
    "BlockType": "LINE", 
    "Id": "d7fbd604-d609-4d69-857d-247a3f591238"
},

Das Folgende ist das JSON-Format für den WORD-Block für das Wort Hello,: 

{
    "Geometry": {...}, 
    "Text": "Hello,", 
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.74746704101562, 
    "Id": "7f97e2ca-063e-47a8-981c-8beee31afc01"
},

Das letzte JSON ist der WORD-Block für das Wort Welt. :

{
    "Geometry": {...}, 
    "Text": "world.",
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.5171127319336, 
    "Id": "4b990aa0-af96-4369-b90f-dbe02538ed21"
},