Lignes et mots de texte

Le texte détecté renvoyé par les opérations Amazon Textract est renvoyé dans une liste d'objets Block. Ces objets représentent des lignes de texte ou des mots textuels détectés sur une page de document. Le texte suivant montre deux lignes de texte composées de plusieurs mots.

C'est du texte.

En deux lignes distinctes.

Le texte détecté est renvoyé dans le Text champ d'un Block objet. Le BlockType champ détermine si le texte est une ligne de texte (LINE) ou un mot (WORD). Un mot est un ou plusieurs caractères ISO de base en écriture latine qui ne sont pas séparés par des espaces. Une LIGNE est une chaîne de mots contigus et séparés par des tabulations.

En outre, Amazon Textract déterminera si un texte a été écrit à la main ou imprimé à l'aide du champ. TextTypes Ils sont renvoyés respectivement sous la forme ÉCRITURE MANUSCRITE et IMPRIMÉE.

Les autres Block propriétés sont communes à tous les types de blocs, telles que l'ID, la confiance et les informations de géométrie. Pour de plus amples informations, veuillez consulter Objets de réponse pour la détection de texte et l'analyse de documents.

Pour détecter uniquement les lignes et les mots, vous pouvez utiliser DetectDocumentTextou StartDocumentTextDetection. Pour de plus amples informations, veuillez consulter Détection de texte. Pour obtenir le texte détecté (lignes et mots) et des informations sur son lien avec d'autres parties du document, telles que les tableaux, vous pouvez utiliser AnalyzeDocumentou StartDocumentAnalysis. Pour de plus amples informations, veuillez consulter Analyse de documents.

PAGELINE, et les WORD blocs sont liés les uns aux autres dans une relation parent-enfant. Un PAGE bloc est le parent de tous les objets de LINE bloc d'une page de document. Comme une ligne peut contenir un ou plusieurs mots, le Relationships tableau d'un bloc LINE stocke les identifiants des blocs WORD enfants qui constituent la ligne de texte.

Le schéma suivant montre le tracé de la ligne Hello, world. dans le texte Hello, world. Comment allez-vous ? est représenté par Block des objets.

Ce qui suit est le résultat JSON DetectDocumentText de la phrase Hello, world. Comment allez-vous ? est détecté. Le premier exemple est le JSON pour la page du document. Vous pouvez utiliser les identifiants CHILD pour parcourir le document.

{
    "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"
},

Voici le JSON pour les blocs LINE qui constituent la ligne « Hello, World » :

{
    "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"
},

Voici le JSON du bloc WORD pour le mot Hello, :

{
    "Geometry": {...}, 
    "Text": "Hello,", 
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.74746704101562, 
    "Id": "7f97e2ca-063e-47a8-981c-8beee31afc01"
}, 

Le JSON final est le bloc WORD pour le monde des mots. :

{
    "Geometry": {...}, 
    "Text": "world.",
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.5171127319336, 
    "Id": "4b990aa0-af96-4369-b90f-dbe02538ed21"
},