テーブル

Amazon Textract を使用して、ドキュメント内のテーブルを抽出し、テーブル内のセル、マージされたセル、列ヘッダー、タイトル、セクションタイトル、フッター、テーブルタイプ (構造化または半構造化）、およびサマリーセルを抽出します。

検出されたテーブルは、AnalyzeDocument および GetDocumentAnalysis からのレスポンスでブロックオブジェクトとして返されます。FeatureTypes 入力パラメータを使用して、キーと値のペア、テーブル、またはその両方に関する情報を取得できます。テーブルのみ、値 を使用しますTABLES。例については、CSV ファイルへのテーブルのエクスポートを参照してください。オブジェクトによってドキュメントがどのように表されるかに関する一般的な情報についてはBlock、「」を参照してくださいテキスト検出およびドキュメント分析レスポンスオブジェクト。

以下は、Amazon Textract で検出できるテーブルの例です。

次の図は、テーブル内の 1 つのセルがBlockオブジェクトでどのように表されるかを示しています。

セルには、検出された単語のWORDブロック、および該当する場合はテーブルタイトルのTABLE_TITLEブロック、テーブルフッターのTABLE_FOOTERブロック、チェックボックスなどの選択要素のSELECTION_ELEMENTブロックが含まれます。

以下は、前のテーブルの JSON の一部です。PAGE ブロックオブジェクトには、CHILDブロックのTABLEブロック IDs と検出された各LINEテキストのリストがあります。

{
    "BlockType": "PAGE",
        "Geometry": {
            "BoundingBox": {
                "Width": 1.0,
                "Height": 1.0,
                "Left": 0.0,
                "Top": 0.0
                },
            },
    "Id": "8a5d3f57-97bc-4a05-b028-f72617877626",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "7499ac64-3fa9-46fd-8e3f-581ec9c316eb",
                "87ed4709-66f2-4b3d-abda-52c92a111474",
                "27a87eb3-bd21-475e-80fe-3f8e16958dcf",
                "d89894ea-2f37-4667-94b6-d90def01c5c1",
                "9f9d6383-ed6d-4bd0-ba8c-71fc3eec704e",
                "cdc74e1a-c568-439b-9eef-7bd54e060f18",
                "1b64f24c-5e84-4c7e-851a-cb1f5258a53c",
                "84a84878-04b4-4608-81b6-38117ead1629",
                ...
                "8cef603b-932e-452b-adc4-15f8e02ad1fe",
                "a3f97508-0d6b-4ae0-aa04-76078f9fe11a",
                "dd1f23c6-dfad-447b-8105-29ba136bd3a4",
                "46138f38-5b77-41a9-b068-f8394587122f",
                "a5e5247c-2637-4fa8-a271-ab46399cd77c",
                "63d7b889-71e3-422a-8cb7-2103ba0aa276",
                "033e5c86-371a-46fb-bbea-eb7f6b0cd092",
                "559b1354-ef94-4cb9-8e03-9eca83c6dba4",
                "55edc4fa-052f-40f9-9edd-739b100e6f75"
            ]
        }
    ]
},

テーブルの詳細については、 TABLE ブロックオブジェクトにアクセスします。テーブルブロックには、「子」、「マージされたセル」、「タイトル」、「フッター」の 4 種類の関係が含まれます。関係タイプ の場合CHILD、各子 ID はテーブル内の 1 つのセルを表します。マージされたセルは、マージされたセルを作成するために結合されるすべての個々のセルに分割されます。 TABLE_TITLEおよび TABLE_FOOTER関係タイプには、対応する ブロックTABLE_TITLEと TABLE_FOOTERブロックのブロック ID が含まれ、タイトルとフッターに関する情報が保存されます。テーブルブロックタイプにはEntityType、テーブルのタイプSEMI_STRUCTURED_TABLEを識別する STRUCTURED_TABLEまたは があります。

次の JSON は、前のテーブルに、CHILD関係Ids配列にリストされている 13 行と 5 列のセルが 65 個あることを示しています。関係タイプ の場合MERGED_CELL、マージされた各セル ID はテーブル内の 1 つのマージされたセルを表します。次の JSON は、テーブルに 9 つのマージされたセルがあり、リMERGED_CELLレーションシップIds配列にリストされていることを示しています。2 つの追加のリレーションシップタイプである TABLE_TITLEと はTABLE_FOOTER、それぞれのタイトルブロックとフッターブロックの IDs を一覧表示します。次の JSON は、テーブルが EntityTypesブロックで構造化されていることも示しています。

{
    "BlockType": "TABLE",
    "Confidence": 99.8046875,
    "Geometry": {...},
    "Id": "55edc4fa-052f-40f9-9edd-739b100e6f75",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "c1c03d64-d365-4906-af7a-a852f1acc040",
                "8b415996-6b05-4183-a959-d27d12ccef79",
                "48b0e972-7dba-4db7-896e-ca7066e8c761",
                "69948207-47d8-4825-8929-1d7abb650a88",
                "b9ac9f14-8899-43b3-8572-0e997180e0a4",
                "6f06c024-0b36-4acd-b61f-4467203234dd",
                "c8a88487-dbc7-4662-a69b-21103049b61d",
                ...
                "2b41c8e1-f754-4b37-91b6-a97cdc413f91",
                "365a1bab-0c18-4cd8-a465-6f7bc7e25e60",
                "f08af959-cfac-4ad6-a63f-2771c7a8ff62",
                "e4f6fbfd-c7d8-4f64-9102-733d4806850f",
                "68c0b8ff-fd35-41ce-ba76-de08c26084d7",
                "44e80372-aa70-4a36-9aac-3a93aaa91bb1"
            ]
        },
        {
            "Type": "MERGED_CELL",
            "Ids": [
                "a27a3ecc-afd0-4f7c-9db2-6f8e6d31c605",
                "6c02cf21-40de-4480-b755-e94462ac4884",
                "6faad856-8d37-4751-b741-c4ad8d5dcbe3",
                "d777d6e2-7430-4c6e-a261-03ec5a612c8c",
                "f0f5a9fb-5bfa-4c80-8f41-1d4fad674b09",
                "83c7af02-8128-4479-89c9-962544ad4048",
                "b2b5126c-409f-4b67-9adf-e3e12f60bf86",
                "87d7f688-3d38-4198-b491-433af0da4d8b",
                "1c2436e2-a1fc-4b2a-9e73-cc8a1ca67568"
            ]
        },
        {
            "Type": "TABLE_TITLE",
            "Ids": [
                "cde34920-0131-4e68-a3ec-82922269afd4"
            ]
        },
        {
            "Type": "TABLE_FOOTER",
            "Ids": [
                "11dfd98c-6140-49e8-a544-e220d76bdd2f",
                "ad1b9c81-3b53-4fc7-a533-dabb3d29b0b1"
            ]
        }
    ],
    "EntityTypes": [
        "STRUCTURED_TABLE"
    ]
},
                

各テーブルセルのブロックタイプは ですCELL。セルブロックタイプには、常に 1 の行スパンと 1 の列スパンがあります。各セルのブロックオブジェクトには、テーブル内の他のセルと比較したセルの場所に関する情報が含まれます。また、ドキュメント上のセルの場所のジオメトリ情報も含まれます。さらに、TABLE_TITLE、TABLE_FOOTER、TABLE_SECTION_TITLE、COLUMN_HEADER、TABLE_SUMMARY など、セルブロックを特定のタイプのセルとして識別EntityTypesする異なる を持つことができます。たとえば、前の表では、次の例に示すように、「Date」という単語を含むセルは列ヘッダーです。

{
    "BlockType": "CELL",
    "Confidence": 81.8359375,
    "RowIndex": 2,
    "ColumnIndex": 1,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "6f06c024-0b36-4acd-b61f-4467203234dd",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "c49f55d5-a7e4-41d5-9c29-d8244f56181c"
            ]
        }
    ],
    "EntityTypes": [
        "COLUMN_HEADER"
    ]
},
                    
                

「Deposit」という単語を含むセルは、タイトル、フッター、列ヘッダー、セクションタイトル、または概要セルではありません。これは、 フィールドがないことで示されます"EntityTypes"。

{
    "BlockType": "CELL",
    "Confidence": 86.181640625,
    "RowIndex": 7,
    "ColumnIndex": 2,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "7af5160b-bd60-45f5-a12c-bf376e9d742c",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "bb9bcaed-5998-44a6-9076-aa1ecc82fbc6"
            ]
        }
    ]
},
                

マージされたすべてのセルは、 TABLEブロックの "Type": "MERGED_CELL"の下に一覧表示されます。前の例の表には、マージされたセルが 9 つあります。

{
    "Type": "MERGED_CELL",
    "Ids": [
        "a27a3ecc-afd0-4f7c-9db2-6f8e6d31c605",
        "6c02cf21-40de-4480-b755-e94462ac4884",
        "6faad856-8d37-4751-b741-c4ad8d5dcbe3",
        "d777d6e2-7430-4c6e-a261-03ec5a612c8c",
        "f0f5a9fb-5bfa-4c80-8f41-1d4fad674b09",
        "83c7af02-8128-4479-89c9-962544ad4048",
        "b2b5126c-409f-4b67-9adf-e3e12f60bf86",
        "87d7f688-3d38-4198-b491-433af0da4d8b",
        "1c2436e2-a1fc-4b2a-9e73-cc8a1ca67568"
    ]
},
                

マージされた各セルに関連する特定の詳細を確認するには、「」を参照してください"BlockType": "MERGED_CELL"。タイトルセルでもあるマージされたセル「バランスシート」の場合、それに関連付けられた ID は です"a27a3ecc-afd0-4f7c-9db2-6f8e6d31c605"。

5 のColumnSpan」で示されているように、このマージされたセルを構成するセルは 5 つあります。マージされたセル内のテキストを検索するには、Ids配列に進み、 の"BlockType": "CELL"後に が続きます"BlockType": "WORD"。

{
    "BlockType": "MERGED_CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 1,
    "RowSpan": 1,
    "ColumnSpan": 5,
    "Geometry": {...},
    "Id": "a27a3ecc-afd0-4f7c-9db2-6f8e6d31c605",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "c1c03d64-d365-4906-af7a-a852f1acc040",
                "8b415996-6b05-4183-a959-d27d12ccef79",
                "48b0e972-7dba-4db7-896e-ca7066e8c761",
                "69948207-47d8-4825-8929-1d7abb650a88",
                "b9ac9f14-8899-43b3-8572-0e997180e0a4"
            ]
        }
    ],
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
                

セルレベルでは、マージされたセル「バランスシート」に 5 つのセルがあります。タイトルがマージされたセルで識別されたEntityTypeTABLE_TITLEため、各セルの は です。が Idのセルには、このマージされたタイトルセルを構成するWORDブロックに対応する 2 つのCHILDリレーションシップ IDs 48b0e972-7dba-4db7-896e-ca7066e8c761が含まれています。

{
    "BlockType": "CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 1,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "c1c03d64-d365-4906-af7a-a852f1acc040",
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
{
    "BlockType": "CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 2,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "8b415996-6b05-4183-a959-d27d12ccef79",
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
{
    "BlockType": "CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 3,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "48b0e972-7dba-4db7-896e-ca7066e8c761",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "998394ef-c6cf-491b-9bac-ec470c638ecd",
                "1c875a06-f8e5-4df7-8f6a-583c47cbd9fe"
            ]
        }
    ],
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
{
    "BlockType": "CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 4,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "69948207-47d8-4825-8929-1d7abb650a88",
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
{
    "BlockType": "CELL",
    "Confidence": 77.44140625,
    "RowIndex": 1,
    "ColumnIndex": 5,
    "RowSpan": 1,
    "ColumnSpan": 1,
    "Geometry": {...},
    "Id": "b9ac9f14-8899-43b3-8572-0e997180e0a4",
    "EntityTypes": [
        "TABLE_TITLE"
    ]
},
                

単語レベルでは、「バランス」と「シート」の 2 つの単語があります。列 1、2、4、5 の最初の 2 つのセルと最後の 2 つのセルは空白であるため、それらに関連付けられた単語はありません。これは前の JSON 出力にも示され、3 番目のセルにのみ子 IDsが含まれます。

{
    "BlockType": "WORD",
    "Confidence": 99.95711517333984,
    "Text": "Balance",
    "TextType": "PRINTED",
    "Geometry": {...},
    "Id": "998394ef-c6cf-491b-9bac-ec470c638ecd"
},
{
    "BlockType": "WORD",
    "Confidence": 99.87372589111328,
    "Text": "Sheet",
    "TextType": "PRINTED",
    "Geometry": {...},
    "Id": "1c875a06-f8e5-4df7-8f6a-583c47cbd9fe"
},
                

TABLE_TITLE および TABLE_FOOTERブロックタイプには、タイトルまたはフッターを構成するWORDブロックを指すCHILD関係など、タイトルセルとフッターセルに関する情報が含まれています。これは次の JSON レスポンスに表示されます。

この例では、タイトルはテーブル内のタイトルです。つまり、フローティングタイトルとしてテーブルの外部ではなく、テーブル自体の構造内にあります。つまり、タイトルには、タイトルを構成する単語CELLブロックの子 IDs を含むブロックタイプもあります。マージされたタイトルセルを構成する 5 つのセルブロックについては、前の JSON 出力を参照してください。これには、単語ブロックの子 IDs を持つタイトルセルブロックが含まれます。このテーブルのフッターセルは、各フッターのセルブロックでも表されます。

{
    "BlockType": "TABLE_TITLE",
    "Confidence": 97.802734375,
    "Geometry": {...},
    "Id": "cde34920-0131-4e68-a3ec-82922269afd4",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "998394ef-c6cf-491b-9bac-ec470c638ecd",
                "1c875a06-f8e5-4df7-8f6a-583c47cbd9fe"
            ]
        }
    ]
},
{
    "BlockType": "TABLE_FOOTER",
    "Confidence": 88.0859375,
    "Geometry": {...},
    "Id": "11dfd98c-6140-49e8-a544-e220d76bdd2f",
    "Relationships": [
        {
            "Type": "CHILD",
            "Ids": [
                "77a70b2d-c137-4161-8d9c-65170266e5ff",
                "d413ef1f-fa1b-44cb-87ed-809494fc87d8",
                "19616f50-1a34-431f-94bf-7e575106cd85",
                "35063ea4-a3c7-4e19-9d32-10eca92807b8",
                "48de1523-7776-49ef-96d9-fc19bcde89c5"
            ]
        }
    ]
},