使用 AWS Lambda 函數偵測文字

登入 AWS 管理主控台 ，並在 https：//https://console.aws.amazon.com/lambda/ 開啟 AWS Lambda 主控台。

選擇建立函數 。如需詳細資訊，請參閱使用主控台建立 Lambda 函數。

選擇下列選項：

選擇建立函數來建立 AWS Lambda 函數。

在函數頁面上，選擇組態標籤。

在許可窗格上，執行角色下，選擇要在 IAM 主控台中開啟角色的角色名稱。

在許可標籤中，選擇新增許可 ，然後建立內嵌政策。

選擇 JSON 標籤，並預設文字取代為下列內容：

選擇檢閱政策。

輸入政策的名稱，例如 DetectDocumentText-access。

選擇建立政策。

如果您要將文件存放於 Amazon S3 儲存貯體中進行分析，則必須新增 Amazon S3 存取政策。若要這麼做，請在 AWS Lambda 主控台中重複步驟 7 到 11，然後進行下列變更。

1. 對於步驟 8，請使用下列原則。將儲存貯體/資料夾路徑取代為您要分析之文件的 Amazon S3 儲存貯體和資料夾路徑。

   JSON

   {
       "Version":"2012-10-17",
       "Statement": [
           {
               "Sid": "S3Access",
               "Effect": "Allow",
               "Action": "s3:GetObject",
               "Resource": "arn:aws:s3:::bucket/folder path/*"
           }
       ]
   }
   

2. 對於步驟 10，請選擇不同的原則名稱，例如 S3Bucket-access。

開啟命令提示字元並輸入下列命令，以使用最新版本的 AWS 開發套件建立部署套件。

pip install boto3 --target python/.
zip boto3-layer.zip -r python/
                

請注意您在此程序的步驟 8 中使用的壓縮檔案 (boto3-layer.zip) 的名稱。

在 https：//https://console.aws.amazon.com/lambda/ 開啟 AWS Lambda 主控台。

在導覽視窗中，選擇 圖層。

選擇 建立圖層。

輸入 名稱 和 描述 的值。

針對程式碼項目類型，選擇上傳 .zip 檔案並選取上傳。

在對話方塊中，選擇您在此程序的步驟 1 中建立的壓縮檔案封存 (boto3-layer.zip)。

針對相容的執行時間，選擇 Python 3.9。

選擇 建立，以建立圖層。

選擇導覽視窗選單圖示。

在導覽視窗中，選擇函數。

在資源清單中，選擇您先前在 步驟 1：建立 AWS Lambda 函數 （主控台） 中建立的函數。

選取程式碼標籤。

在 圖層 部份，選擇 新增圖層。

選擇 自訂圖層。

在自訂圖層中，選擇您在步驟 6 中輸入的圖層名稱。

在 版本中，選擇圖層版本,該版本應為 1。

選擇 新增。

瀏覽至程式碼標籤。

在程式碼編輯器中，以下列程式碼取代 lambda_function.py 中的程式碼：

# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0

"""
Purpose
An AWS lambda function that analyzes documents with Amazon Textract.
"""
import json
import base64
import logging
import boto3

from botocore.exceptions import ClientError

# Set up logging.
logger = logging.getLogger(__name__)

# Get the boto3 client.
textract_client = boto3.client('textract')


def lambda_handler(event, context):
    """
    Lambda handler function
    param: event: The event object for the Lambda function.
    param: context: The context object for the lambda function.
    return: The list of Block objects recognized in the document
    passed in the event object.
    """

    try:

        # Determine document source.
        if 'image' in event:
            # Decode the image
            image_bytes = event['image'].encode('utf-8')
            img_b64decoded = base64.b64decode(image_bytes)
            image = {'Bytes': img_b64decoded}


        elif 'S3Object' in event:
            image = {'S3Object':
                     {'Bucket':  event['S3Object']['Bucket'],
                      'Name': event['S3Object']['Name']}
                     }

        else:
            raise ValueError(
                'Invalid source. Only image base 64 encoded image bytes or S3Object are supported.')


        # Analyze the document.
        response = textract_client.detect_document_text(Document=image)

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

        lambda_response = {
            "statusCode": 200,
            "body": json.dumps(blocks)
        }

    except ClientError as err:
        error_message = "Couldn't analyze image. " + \
            err.response['Error']['Message']

        lambda_response = {
            'statusCode': 400,
            'body': {
                "Error": err.response['Error']['Code'],
                "ErrorMessage": error_message
            }
        }
        logger.error("Error function %s: %s",
            context.invoked_function_arn, error_message)

    except ValueError as val_error:
        lambda_response = {
            'statusCode': 400,
            'body': {
                "Error": "ValueError",
                "ErrorMessage": format(val_error)
            }
        }
        logger.error("Error function %s: %s",
            context.invoked_function_arn, format(val_error))

    return lambda_response

若要部署您的 Lambda 函數，請選擇部署。

如果您尚未執行以下操作，請現在執行：

1. 請確定使用者具有 lambda:InvokeFunction 權限。您可以使用下列專案：

   您可以從 Lambda 主控台的函數概觀取得 Lambda 函數的 ARN。

   若要提供存取權，請新增權限至您的使用者、群組或角色：

   • 中的使用者和群組 AWS IAM Identity Center：

     建立權限合集。請按照《AWS IAM Identity Center 使用者指南》中的建立權限合集說明進行操作。

   • 透過身分提供者在 IAM 中管理的使用者：

     建立聯合身分的角色。遵循《IAM 使用者指南》的為第三方身分提供者 (聯合) 建立角色中的指示。

   • IAM 使用者：

     • 建立您的使用者可擔任的角色。請按照《IAM 使用者指南》的為 IAM 使用者建立角色中的指示。

     • (不建議) 將政策直接附加至使用者，或將使用者新增至使用者群組。請遵循《IAM 使用者指南》的新增許可到使用者 (主控台) 中的指示。

2. 安裝和設定適用於 Python 的 AWS SDK。如需詳細資訊，請參閱步驟 2：設定 AWS CLI 和 AWS SDKs。

將下列程式碼複製到名為 client.py 的檔案。

# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0

"""
Purpose
Test code for running the Amazon Textract Lambda
function example code.
"""

import argparse
import logging
import base64
import json
import io
import boto3

from botocore.exceptions import ClientError
from PIL import Image, ImageDraw


logger = logging.getLogger(__name__)


def analyze_image(function_name, image):
    """Analyzes a document with an AWS Lambda function.
    :param image: The document that you want to analyze.
    :return The list of Block objects in JSON format.
    """

    lambda_client = boto3.client('lambda')

    lambda_payload = {}

    if image.startswith('s3://'):
        logger.info("Analyzing document from S3 bucket: %s", image)
        bucket, key = image.replace("s3://", "").split("/", 1)
        s3_object = {
            'Bucket': bucket,
            'Name': key
        }

        lambda_payload = {"S3Object": s3_object}

    else:
        with open(image, 'rb') as image_file:
            logger.info("Analyzing local document: %s ", image)
            image_bytes = image_file.read()
            data = base64.b64encode(image_bytes).decode("utf8")

            lambda_payload = {"image": data}

    # Call the lambda function with the document.

    response = lambda_client.invoke(FunctionName=function_name,
                                    Payload=json.dumps(lambda_payload))

    return json.loads(response['Payload'].read().decode())


def add_arguments(parser):
    """
    Adds command line arguments to the parser.
    :param parser: The command line parser.
    """

    parser.add_argument(
        "function", help="The name of the AWS Lambda function that you want " \
        "to use to analyze the document.")
    parser.add_argument(
        "image", help="The document that you want to analyze.") 


def main():
    """
    Entrypoint for script.
    """
    try:
        logging.basicConfig(level=logging.INFO,
                            format="%(levelname)s: %(message)s")

        # Get command line arguments.
        parser = argparse.ArgumentParser(usage=argparse.SUPPRESS)
        add_arguments(parser)
        args = parser.parse_args()

        # Get analysis results.
        result = analyze_image(args.function, args.image)
        status = result['statusCode']

        blocks = result['body']
        blocks = json.loads(blocks)

        if status == 200:

            for block in blocks:
                print('Type: ' + block['BlockType'])
                if block['BlockType'] != 'PAGE':
                    print('Detected: ' + block['Text'])
                    print('Confidence: ' + "{:.2f}".format(block['Confidence']) + "%")

                print('Id: {}'.format(block['Id']))
                if 'Relationships' in block:
                    print('Relationships: {}'.format(block['Relationships']))
                print('Bounding Box: {}'.format(block['Geometry']['BoundingBox']))
                print('Polygon: {}'.format(block['Geometry']['Polygon']))
                print()
            print("Blocks detected: " + str(len(blocks)))
        else:
            print(f"Error: {result['statusCode']}")
            print(f"Message: {result['body']}")

    except ClientError as error:
        logging.error(error)
        print(error)


if __name__ == "__main__":
    main()

執行程式碼。對於命令列引數，請提供 Lambda 函數名稱和您要分析的文件。您可以提供本機文件的路徑，也可以使用 Amazon S3 路徑來存放於 Amazon S3 儲存貯體中的文件。例如：

python client.py function_name s3://bucket/path/document.jpg

如果文件位於 Amazon S3 儲存貯體中，請確定该文件是與之前在 步驟 1：建立 AWS Lambda 函數 （主控台） 的步驟 12 中指定的相同儲存貯體。

如果成功，您的程式碼會針對文件中偵測到的每個區塊類型傳回部分 JSON 回應。