AnalyzeDocument - Amazon Textract
Sintaxis de la solicitudParámetros de solicitudSintaxis de la respuestaElementos de respuestaErroresVéase también

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

AnalyzeDocument

Analiza un documento de entrada en busca de relaciones entre elementos detectados.

Los tipos de información devuelta son los siguientes:

  • Datos de formulario (pares de clave-valor). La información relacionada se devuelve en dosBlockobjetos, cada uno de tipoKEY_VALUE_SET: una LLAVEBlockobjeto y un VALORBlockobjeto. Por ejemplo,Name: Ana Silva Carolinacontiene una clave y un valor. Name:es la clave. Ana Silva Carolinaes el valor.

  • Datos de celdas de tabla y tabla. UNA TABLABlockcontiene información sobre una tabla detectada. UNA CELDABlockse devuelve para cada celda de una tabla.

  • Líneas y palabras de texto. UNA LÍNEABlockcontiene uno o varios WORDBlockobjetos. Se devuelven todas las líneas y palabras detectadas en el documento (incluido el texto que no tiene relación con el valor deFeatureTypes).

Los elementos de selección, tales como casillas de verificación y botones de opción (botones de opción) se pueden detectar en los datos del formulario y en las tablas. UN ELEMENTO SELECTION_ELEMENTBlockcontiene información sobre un elemento de selección, incluido el estado de la selección.

Puede elegir qué tipo de análisis desea realizar especificando laFeatureTypeslista.

La salida se devuelve en una lista deBlockobjetos.

AnalyzeDocumentes una operación síncrona. Para analizar documentos de forma asíncrona, utiliceStartDocumentAnalysis.

Para obtener más información, consulteAnálisis de texto de documentos.

Sintaxis de la solicitud

{
   "Document": { 
      "Bytes": blob,
      "S3Object": { 
         "Bucket": "string",
         "Name": "string",
         "Version": "string"
      }
   },
   "FeatureTypes": [ "string" ],
   "HumanLoopConfig": { 
      "DataAttributes": { 
         "ContentClassifiers": [ "string" ]
      },
      "FlowDefinitionArn": "string",
      "HumanLoopName": "string"
   }
}

Parámetros de solicitud

La solicitud acepta los siguientes datos en formato JSON.

Document

El documento de entrada como bytes codificados en base64 o un objeto Amazon S3. Si utiliza la CLI de AWS para llamar a las operaciones de Amazon Textract Texact, no puede pasar bytes de imagen. El documento debe ser una imagen en formato JPEG, PNG, PDF o TIFF.

Si utiliza un SDK de AWS para llamar a Amazon Textract, es posible que no tenga que codificar en base 64 bytes de imagen que se pasan mediante elBytes.

Tipo: objeto Document

Obligatorio: Sí

FeatureTypes

Lista de los tipos de análisis que se van a realizar. Agregue TABLES a la lista para devolver información sobre las tablas detectadas en el documento de entrada. Añada FORMULARIOS para devolver los datos del formulario detectados. Para realizar ambos tipos de análisis, agregue TABLES y FORMS aFeatureTypes. Todas las líneas y palabras detectadas en el documento se incluyen en la respuesta (incluido el texto que no está relacionado con el valor deFeatureTypes).

Type: Matriz de cadenas

Valores válidos: TABLES | FORMS

Obligatorio: Sí

HumanLoopConfig

Establece la configuración del flujo de trabajo humano en bucle para analizar documentos.

Tipo: objeto HumanLoopConfig

Obligatorio: No

Sintaxis de la respuesta

{
   "AnalyzeDocumentModelVersion": "string",
   "Blocks": [ 
      { 
         "BlockType": "string",
         "ColumnIndex": number,
         "ColumnSpan": number,
         "Confidence": number,
         "EntityTypes": [ "string" ],
         "Geometry": { 
            "BoundingBox": { 
               "Height": number,
               "Left": number,
               "Top": number,
               "Width": number
            },
            "Polygon": [ 
               { 
                  "X": number,
                  "Y": number
               }
            ]
         },
         "Id": "string",
         "Page": number,
         "Relationships": [ 
            { 
               "Ids": [ "string" ],
               "Type": "string"
            }
         ],
         "RowIndex": number,
         "RowSpan": number,
         "SelectionStatus": "string",
         "Text": "string",
         "TextType": "string"
      }
   ],
   "DocumentMetadata": { 
      "Pages": number
   },
   "HumanLoopActivationOutput": { 
      "HumanLoopActivationConditionsEvaluationResults": "string",
      "HumanLoopActivationReasons": [ "string" ],
      "HumanLoopArn": "string"
   }
}

Elementos de respuesta

Si la acción se realiza correctamente, el servicio devuelve una respuesta HTTP 200.

El servicio devuelve los datos siguientes en formato JSON.

AnalyzeDocumentModelVersion

La versión del modelo que se utiliza para analizar el documento.

Type: Cadena

Blocks

Los elementos detectados y analizados porAnalyzeDocument.

Type: Matriz deBlockobjects

DocumentMetadata

Metadatos sobre el documento analizado. Un ejemplo es el número de páginas.

Tipo: objeto DocumentMetadata

HumanLoopActivationOutput

Muestra los resultados de la evaluación humana en bucle.

Tipo: objeto HumanLoopActivationOutput

Errores

AccessDeniedException

No tiene autorización para realizar la acción. Utilice el nombre de recurso de Amazon (ARN) de un usuario autorizado o un rol de IAM para realizar la operación.

Código de estado HTTP: 400

BadDocumentException

Amazon Textract Texact no puede leer el documento. Para obtener más información sobre los límites de documentos en Amazon Textract, consulteLímites máximos de Amazon Textract.

Código de estado HTTP: 400

DocumentTooLargeException

El documento no se puede procesar porque es demasiado grande. Tamaño máximo de documento para operaciones síncronas de 10 MB. El tamaño máximo de documento para las operaciones asíncronas es de 500 MB para los archivos PDF.

Código de estado HTTP: 400

HumanLoopQuotaExceededException

Indica que ha superado la cantidad máxima de personas activas en los flujos de trabajo de bucle disponibles

Código de estado HTTP: 400

InternalServerError

Amazon Textract ha tenido un problema de servicio. Pruebe la llamada de nuevo.

Código de estado HTTP: 500

InvalidParameterException

Un parámetro de entrada infringió una restricción. Por ejemplo, en operaciones sincrónicas, unInvalidParameterExceptionse produce cuando ninguno de losS3ObjectoByteslos valores se proporcionan en elDocumentparámetro de solicitud. Valide el parámetro antes de llamar a la operación de la API de nuevo.

Código de estado HTTP: 400

InvalidS3ObjectException

Amazon Textract Texact no puede obtener acceso al objeto de S3 que se especifica en la solicitud. Para obtener más información,Configuración del acceso a Amazon S3Para obtener información sobre la resolución de problemas, consulteSolución de problemas de Amazon S3

Código de estado HTTP: 400

ProvisionedThroughputExceededException

El número de solicitudes ha superado su límite de rendimiento. Si necesita aumentar este límite, póngase en contacto con Amazon Textract.

Código de estado HTTP: 400

ThrottlingException

Amazon Textract no puede procesar temporalmente la solicitud. Pruebe la llamada de nuevo.

Código de estado HTTP: 500

UnsupportedDocumentException

El formato del documento de entrada no se admite. Los documentos para operaciones pueden estar en formato PNG, JPEG, PDF o TIFF.

Código de estado HTTP: 400

Véase también

Para obtener más información sobre el uso de esta API en un SDK de AWS de un lenguaje específico, consulte: