View a markdown version of this page

Baris dan Kata-kata Teks - Amazon Textract

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Baris dan Kata-kata Teks

Teks yang terdeteksi yang dikembalikan oleh operasi Amazon Textract dikembalikan dalam daftar objek Blokir. Objek-objek ini mewakili baris teks atau kata-kata tekstual yang terdeteksi pada halaman dokumen. Teks berikut menunjukkan dua baris teks yang dibuat dari beberapa kata.

Ini adalah teks.

Dalam dua baris terpisah.

Teks yang terdeteksi dikembalikan di Text bidang Block objek. BlockTypeBidang menentukan apakah teks adalah baris teks (LINE) atau kata (WORD). WORD adalah satu atau lebih karakter skrip Latin dasar ISO yang tidak dipisahkan oleh spasi. LINE adalah string kata-kata yang dibatasi tab dan bersebelahan.

Selain itu, Amazon Ttract akan menentukan apakah sepotong teks ditulis tangan atau dicetak menggunakan bidang. TextTypes Ini kembali sebagai TULISAN TANGAN dan DICETAK masing-masing.

BlockProperti lainnya umum untuk semua jenis blok, seperti ID, kepercayaan, dan informasi geometri. Untuk informasi selengkapnya, lihat Deteksi Teks dan Objek Respon Analisis Dokumen.

Untuk mendeteksi hanya garis dan kata, Anda dapat menggunakan DetectDocumentTextatau StartDocumentTextDetection. Untuk informasi selengkapnya, lihat Mendeteksi Teks. Untuk mendapatkan teks yang terdeteksi (baris dan kata) dan informasi tentang bagaimana kaitannya dengan bagian lain dari dokumen, seperti tabel, Anda dapat menggunakan AnalyzeDocumentatau StartDocumentAnalysis. Untuk informasi selengkapnya, lihat Menganalisis Dokumen.

PAGE,LINE, dan WORD blok terkait satu sama lain dalam hubungan orangtua-ke-anak. PAGEBlok adalah induk untuk semua objek LINE blok pada halaman dokumen. Karena LINE dapat memiliki satu atau lebih kata, Relationships array untuk blok LINE menyimpan ID untuk blok WORD anak yang membentuk baris teks.

Diagram berikut menunjukkan bagaimana garis Halo, dunia. dalam teks Halo, dunia. Bagaimana kabarmu? diwakili oleh Block objek.

Diagram yang menampilkan objek teks “PAGE”, “LINE” dengan dua instance, “WORD” dengan dua instance, dan “Hello, world.” Label dan koneksi menggambarkan struktur hierarkis.

Berikut ini adalah output JSON dari DetectDocumentText ketika kalimat Halo, dunia. Bagaimana kabarmu? terdeteksi. Contoh pertama adalah JSON untuk halaman dokumen. Anda dapat menggunakan ID ANAK untuk menavigasi dokumen.

{
    "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"
},

Berikut ini adalah JSON untuk blok LINE yang membentuk baris “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"
},

Berikut ini adalah JSON untuk blok WORD untuk kata Hello,: 

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

JSON terakhir adalah blok WORD untuk kata dunia. :

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