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

Entdeckter Text, der von Amazon Textract Textract-Vorgängen zurückgegeben wurde, wird in einer Liste von Block-Objekten 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 separaten Zeilen.

Erkannter Text wird im Text Feld eines Block Objekts zurückgegeben. Das BlockType Feld bestimmt, ob der Text eine Textzeile (LINE) oder ein Wort (WORD) ist. Ein WORT besteht aus einem oder mehreren lateinischen ISO-Standardzeichen, die nicht durch Leerzeichen getrennt sind. Eine ZEILE ist eine Folge von 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 Linien und Wörter zu erkennen, können Sie DetectDocumentTextoder verwenden StartDocumentTextDetection. Weitere Informationen finden Sie unter Erkennen von Text. Um den erkannten Text (Zeilen und Wörter) und Informationen darüber zu erhalten, wie er sich auf andere Teile des Dokuments, z. B. Tabellen, bezieht, können Sie AnalyzeDocumentoder verwenden StartDocumentAnalysis. Weitere Informationen finden Sie unter Dokumente werden analysiert.

PAGE,LINE, und WORD Blöcke stehen in einer Beziehung zwischen Eltern und Kindern zueinander in Beziehung. Ein PAGE Block ist das übergeordnete Element für alle LINE Blockobjekte auf einer Dokumentseite. Da eine LINE aus einem oder mehreren Wörtern bestehen 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 den JSON-Code 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 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"
},