View a markdown version of this page

Extracción de Key-Value pares de un documento de formulario - Amazon Textract

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.

Extracción de Key-Value pares de un documento de formulario

El siguiente ejemplo de Python muestra cómo extraer pares clave-valor en documentos de formulario a partir de objetos Block almacenados en un mapa. Los objetos de bloque se devuelven de una llamada a. AnalyzeDocument Para obtener más información, consulte Datos del formulario (Key-Value pares).

Se utilizan las siguientes funciones:

  • get_kv_map— Llama AnalyzeDocumenty almacena los objetos KEY y VALUE BLOCK en un mapa.

  • get_kv_relationshipy find_value_block — Construye las relaciones clave-valor a partir del mapa.

Para extraer pares clave-valor de un documento modelo

  1. Configure su entorno. Para obtener más información, consulte Requisitos previos.

  2. Guarde el siguiente código de ejemplo en un archivo denominado textract_python_kv_parser.py. En la funciónget_kv_map, profile-name sustitúyalo por el nombre de un perfil que pueda asumir la función y region por la región en la que desee ejecutar el código.

    import boto3
import sys
import re
import json
from collections import defaultdict


def get_kv_map(file_name):
    with open(file_name, 'rb') as file:
        img_test = file.read()
        bytes_test = bytearray(img_test)
        print('Image loaded', file_name)

    # process using image bytes
    session = boto3.Session(profile_name='profile-name')
    client = session.client('textract', region_name='region')
    response = client.analyze_document(Document={'Bytes': bytes_test}, FeatureTypes=['FORMS'])

    # Get the text blocks
    blocks = response['Blocks']

    # get key and value maps
    key_map = {}
    value_map = {}
    block_map = {}
    for block in blocks:
        block_id = block['Id']
        block_map[block_id] = block
        if block['BlockType'] == "KEY_VALUE_SET":
            if 'KEY' in block['EntityTypes']:
                key_map[block_id] = block
            else:
                value_map[block_id] = block

    return key_map, value_map, block_map


def get_kv_relationship(key_map, value_map, block_map):
    kvs = defaultdict(list)
    for block_id, key_block in key_map.items():
        value_block = find_value_block(key_block, value_map)
        key = get_text(key_block, block_map)
        val = get_text(value_block, block_map)
        kvs[key].append(val)
    return kvs


def find_value_block(key_block, value_map):
    for relationship in key_block['Relationships']:
        if relationship['Type'] == 'VALUE':
            for value_id in relationship['Ids']:
                value_block = value_map[value_id]
    return value_block


def get_text(result, blocks_map):
    text = ''
    if 'Relationships' in result:
        for relationship in result['Relationships']:
            if relationship['Type'] == 'CHILD':
                for child_id in relationship['Ids']:
                    word = blocks_map[child_id]
                    if word['BlockType'] == 'WORD':
                        text += word['Text'] + ' '
                    if word['BlockType'] == 'SELECTION_ELEMENT':
                        if word['SelectionStatus'] == 'SELECTED':
                            text += 'X '

    return text


def print_kvs(kvs):
    for key, value in kvs.items():
        print(key, ":", value)


def search_value(kvs, search_key):
    for key, value in kvs.items():
        if re.search(search_key, key, re.IGNORECASE):
            return value


def main(file_name):
    key_map, value_map, block_map = get_kv_map(file_name)

    # Get Key Value relationship
    kvs = get_kv_relationship(key_map, value_map, block_map)
    print("\n\n== FOUND KEY : VALUE pairs ===\n")
    print_kvs(kvs)

    # Start searching a key value
    while input('\n Do you want to search a value for a key? (enter "n" for exit) ') != 'n':
        search_key = input('\n Enter a search key:')
        print('The value is:', search_value(kvs, search_key))

if __name__ == "__main__":
    file_name = sys.argv[1]
    main(file_name)

  3. En la línea de comandos, escriba el siguiente comando. fileSustitúyalo por el archivo de imagen del documento que desee analizar.

    python textract_python_kv_parser.py file

  4. Cuando se te pida, ingresa una clave que esté en el documento de entrada. Si el código detecta la clave, muestra su valor.