View a markdown version of this page

Extraindo Key-Value pares de um documento de formulário - Amazon Textract

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Extraindo Key-Value pares de um documento de formulário

O exemplo de Python a seguir mostra como extrair pares de valores-chave em documentos de formulário de objetos Block armazenados em um mapa. Objetos de bloco são retornados de uma chamada para AnalyzeDocument. Para obter mais informações, consulte Dados do formulário (Key-Value pares).

Você usa as seguintes funções:

  • get_kv_map— Chama AnalyzeDocumente armazena os objetos KEY e VALUE BLOCK em um mapa.

  • get_kv_relationshipe find_value_block — Constrói as relações de valores-chave a partir do mapa.

Para extrair pares de valores-chave de um documento de formulário

  1. Configure seu ambiente. Para obter mais informações, consulte Pré-requisitos.

  2. Salve o código de exemplo a seguir em um arquivo chamado textract_python_kv_parser.py. Na funçãoget_kv_map, profile-name substitua pelo nome de um perfil que pode assumir a função e region pela região na qual você deseja executar o 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. No prompt de comando, digite o comando a seguir. fileSubstitua pelo arquivo de imagem do documento que você deseja analisar.

    python textract_python_kv_parser.py file

  4. Quando solicitado, insira uma chave que esteja no documento de entrada. Se o código detectar a chave, ele exibirá o valor da chave.