Righe e parole di testo

Il testo rilevato restituito dalle operazioni di Amazon Textract viene restituito in un elenco di oggetti Block. Questi oggetti rappresentano righe di testo o parole testuali rilevate su una pagina del documento. Il testo seguente mostra due righe di testo composte da più parole.

Questo è testo.

In due righe separate.

Il testo rilevato viene restituito nel Text campo di un Block oggetto. Il BlockType campo determina se il testo è una riga di testo (LINE) o una parola (WORD). Una WORD è uno o più caratteri di alfabeto latino di base ISO che non sono separati da spazi. Una LINEA è una stringa di parole contigue e delimitate da tabulazioni.

Inoltre, Amazon Textract determinerà se una parte di testo è stata scritta a mano o stampata utilizzando il campo. TextTypes Questi vengono restituiti rispettivamente come HANDWRITING e PRINTED.

Le altre Block proprietà sono comuni a tutti i tipi di blocco, come l'ID, la confidenza e le informazioni sulla geometria. Per ulteriori informazioni, consulta Oggetti di risposta per il rilevamento del testo e l'analisi dei documenti.

Per rilevare solo righe e parole, puoi usare DetectDocumentTexto StartDocumentTextDetection. Per ulteriori informazioni, consulta Rilevamento del testo. Per ottenere il testo rilevato (righe e parole) e informazioni sulla sua relazione con altre parti del documento, ad esempio le tabelle, è possibile utilizzare AnalyzeDocumento StartDocumentAnalysis. Per ulteriori informazioni, consulta Analisi dei documenti.

PAGELINE, e WORD i blocchi sono correlati tra loro in una relazione padre-figlio. Un PAGE blocco è l'elemento principale di tutti gli oggetti del LINE blocco in una pagina del documento. Poiché un file LINE può contenere una o più parole, l'Relationshipsarray per un blocco LINE memorizza gli ID dei blocchi WORD secondari che costituiscono la riga di testo.

Il diagramma seguente mostra come funziona la riga Hello, world. nel testo Hello, world. Come stai? è rappresentato da Block oggetti.

Quello che segue è l'output JSON della frase DetectDocumentText Hello, world. Come stai? viene rilevato. Il primo esempio è il codice JSON per la pagina del documento. È possibile utilizzare gli ID CHILD per navigare nel documento.

{
    "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"
},

Di seguito è riportato il codice JSON per i blocchi LINE che compongono la riga «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"
},

Quanto segue è il codice JSON per il blocco WORD per la parola Hello,:

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

L'ultimo JSON è il blocco WORD per la parola mondo. :

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