下载和提取 Amazon Comprehend 的输出将输出上传到 S3 存储桶将输出转换为 Amazon Kendra 元数据格式清理 Amazon S3 存储桶

步骤 3：将实体分析输出格式化为 Amazon Kendra 元数据

要将 Amazon Comprehend 提取的实体转换为 Amazon Kendra 索引所需的元数据格式，您需要运行 Python 3 脚本。转换结果存储在 Amazon S3 存储桶中的 metadata 文件夹中。

有关 Amazon Kendra 元数据格式和结构的更多信息，请参阅 S3 文档元数据。

主题

下载和提取 Amazon Comprehend 的输出
将输出上传到 S3 存储桶
将输出转换为 Amazon Kendra 元数据格式
清理 Amazon S3 存储桶

下载和提取 Amazon Comprehend 的输出

要格式化 Amazon Comprehend 实体分析输出，您必须先下载 Amazon Comprehend 实体分析 output.tar.gz 档案并提取实体分析文件。

在 Amazon Comprehend 控制台导航窗格中，导航至分析作业。
选择您的实体分析作业 data-entities-analysis。
在输出下，选择输出数据位置旁边显示的链接。这会将您重定向到 S3 存储桶中的 output.tar.gz 存档。
在概述选项卡中，选择下载。

提示
所有 Amazon Comprehend 分析作业的输出具有相同的名称。重命名存档将帮助您更轻松地对其进行跟踪。
将下载的 Amazon Comprehend 文件解压并提取到您的设备上。

要访问您的 S3 存储桶中自动生成的包含实体分析任务结果的 Amazon Comprehend 文件夹的名称，请使用 describe-entities-detection-job 命令：
Linux
```
aws comprehend describe-entities-detection-job \
          --job-id entities-job-id \
          --region aws-region
```
其中：
entities-job-id 您从步骤 2：在 Amazon Comprehend 上运行实体分析任务 Amazon Comprehend 保存的 comprehend-job-id。

aws-region 是 AWS 区域。
macOS
```
aws comprehend describe-entities-detection-job \
          --job-id entities-job-id \
          --region aws-region
```
其中：
entities-job-id 您从步骤 2：在 Amazon Comprehend 上运行实体分析任务 Amazon Comprehend 保存的 comprehend-job-id。

aws-region 是 AWS 区域。
Windows
```
aws comprehend describe-entities-detection-job ^
          --job-id entities-job-id ^
          --region aws-region
```
其中：
entities-job-id 您从步骤 2：在 Amazon Comprehend 上运行实体分析任务 Amazon Comprehend 保存的 comprehend-job-id。

aws-region 是 AWS 区域。
在实体作业描述中的 OutputDataConfig 对象中，复制 S3Uri 值并将其保存为文本编辑器中的 comprehend-S3uri。

注意
S3Uri 值的格式类似于 s3://amzn-s3-demo-bucket/.../output/output.tar.gz。
要下载实体输出存档，请使用 copy 命令：
Linux
```
aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/output.tar.gz
```
其中：
s3://amzn-s3-demo-bucket/.../output/output.tar.gz 是您另存为 comprehend-S3uri 的 S3Uri 值。

path/ 是要保存输出的本地目录。
macOS
```
aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/output.tar.gz
```
其中：
s3://amzn-s3-demo-bucket/.../output/output.tar.gz 是您另存为 comprehend-S3uri 的 S3Uri 值。

path/ 是要保存输出的本地目录。
Windows
```
aws s3 cp s3://amzn-s3-demo-bucket/.../output/output.tar.gz path/output.tar.gz
```
其中：
s3://amzn-s3-demo-bucket/.../output/output.tar.gz 是您另存为 comprehend-S3uri 的 S3Uri 值。

path/ 是要保存输出的本地目录。
要提取实体输出，请在终端窗口中运行以下命令：
Linux
```
tar -xf path/output.tar.gz -C path/
```
其中：
path/ 是本地设备上已下载 output.tar.gz 存档的文件路径。
macOS
```
tar -xf path/output.tar.gz -C path/
```
其中：
path/ 是本地设备上已下载 output.tar.gz 存档的文件路径。
Windows
```
tar -xf path/output.tar.gz -C path/
```
其中：
path/ 是本地设备上已下载 output.tar.gz 存档的文件路径。

完成此步骤后，您的设备上应该有一个名为 output 的文件，其中包含已识别的 Amazon Comprehend 实体的列表。

将输出上传到 S3 存储桶

下载并解压 Amazon Comprehend 实体分析文件后，您可以将提取的 output 文件上传到您的 Amazon S3 存储桶。

通过以下网址打开 Amazon S3 控制台：https://console.aws.amazon.com/s3/。
在存储桶中，单击存储桶的名称，然后选择上传。
在文件和文件夹中，选择添加文件。
在对话框中，导航到设备中提取的 output 文件，将其选中，然后选择打开。
保留目标、权限和属性的默认设置。
选择上传。

要将提取的 output 文件上传到您的存储桶，请使用 copy 命令：
Linux
```
aws s3 cp path/output s3://amzn-s3-demo-bucket/output
```
其中：
path/ 是您提取 output 的文件的本地文件路径，

amzn-s3-demo-bucket 是您的 S3 存储桶名称。
macOS
```
aws s3 cp path/output s3://amzn-s3-demo-bucket/output
```
其中：
path/ 是您提取 output 的文件的本地文件路径，

amzn-s3-demo-bucket 是您的 S3 存储桶名称。
Windows
```
aws s3 cp path/output s3://amzn-s3-demo-bucket/output
```
其中：
path/ 是您提取 output 的文件的本地文件路径，

amzn-s3-demo-bucket 是您的 S3 存储桶名称。
为确保 output 文件已成功上传到您的 S3 存储桶，请使用 list 命令检查其内容：
Linux
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
macOS
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
Windows
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。

将输出转换为 Amazon Kendra 元数据格式

要将 Amazon Comprehend 输出转换为 Amazon Kendra 元数据，您需要运行 Python 3 脚本。如果您使用控制台，则在此步骤中使用 AWS CloudShell。

将 converter.py.zip 下载到您的设备上。
提取 Python 3 文件 converter.py。
登录 AWS 管理控制台，确保将您的 AWS 区域设置为与 S3 存储桶和 Amazon Comprehend 分析作业相同的区域。
选择 AWS CloudShell 图标或在顶部导航栏的搜索框中键入 AWS CloudShell 以启动环境。

注意
首次在新的浏览器窗口中启动 AWS CloudShell 时，欢迎面板将显示并列出主要功能。关闭此面板后，表示 Shell 已经准备就绪，可以进行交互。
终端准备就绪后，从导航窗格中选择操作，然后从菜单中选择上传文件。
在打开的对话框中点击选择文件，然后从您的设备中选择下载的 Python 3 文件 converter.py。选择上传。
在 AWS CloudShell 环境中，输入以下命令：
```
python3 converter.py
```
当 Shell 界面提示您输入 S3 存储桶的名称时，输入您的 S3 存储桶的名称并按 Enter。
当 Shell 界面提示您输入 Comprehend 输出文件的完整文件路径时，输入 output 并按 Enter。
当 Shell 界面提示您输入元数据文件夹的完整文件路径时，输入 metadata/ 并按 Enter。

重要

要使元数据格式正确，步骤 8-10 中的输入值必须精确。

要下载 Python 3 文件 converter.py，请在终端窗口中运行以下命令：

要提取 Python 3 文件，请在终端窗口中运行以下命令：
Linux
```
unzip path/converter.py.zip -d path/
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
macOS
```
unzip path/converter.py.zip -d path/
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
Windows
```
tar -xf path/converter.py.zip -C path/
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
通过运行以下命令确保已将 Boto3 安装在您的设备上。
Linux
```
pip3 show boto3
```
macOS
```
pip3 show boto3
```
Windows
```
pip3 show boto3
```
注意
如果尚未安装 Boto3，请运行 pip3 install boto3 进行安装。
要运行 Python 3 脚本以转换 output 文件，请运行以下命令。
Linux
```
python path/converter.py
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
macOS
```
python path/converter.py
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
Windows
```
python path/converter.py
```
其中：
path/ 是您保存的 converter.py.zip 文件的路径。
当 AWS CLI 提示您输入 Enter the name of your S3 bucket 时，输入您的 S3 存储桶的名称，然后按 Enter。
当 AWS CLI 提示您Enter the full filepath to your Comprehend output file时，输入 output 并按 Enter。
当 AWS CLI 提示您Enter the full filepath to your metadata folder时，输入 metadata/ 并按 Enter。

重要

要使元数据格式正确，步骤 5-7 中的输入值必须精确。

在此步骤结束时，格式化的元数据将存放在您的 S3 存储桶的 metadata 文件夹中。

清理 Amazon S3 存储桶

由于 Amazon Kendra 索引会同步存储在存储桶中的所有文件，因此我们建议您清理 Amazon S3 存储桶，以防止出现冗余的搜索结果。

通过以下网址打开 Amazon S3 控制台：https://console.aws.amazon.com/s3/。
在存储桶中，选择您的存储桶，然后选择 Amazon Comprehend 实体分析输出文件夹、Amazon Comprehend 实体分析 .temp 文件和提取的 Amazon Comprehend output 文件。
从概览选项卡中选择删除。
在删除对象中，选择永久删除对象？，然后在文本输入字段中输入 permanently delete。
选择删除对象。

要删除 S3 存储桶中除 data 和 metadata文件夹之外的所有文件，请在 AWS CLI 中使用 remove 命令：
Linux
```
aws s3 rm s3://amzn-s3-demo-bucket/ --recursive --exclude "data/*" --exclude "metadata/*"
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
macOS
```
aws s3 rm s3://amzn-s3-demo-bucket/ --recursive --exclude "data/*" --exclude "metadata/*"
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
Windows
```
aws s3 rm s3://amzn-s3-demo-bucket/ --recursive --exclude "data/*" --exclude "metadata/*"
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
为确保已成功从您的 S3 存储桶删除对象，请使用 list 命令检查其内容：
Linux
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
macOS
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。
Windows
```
aws s3 ls s3://amzn-s3-demo-bucket/
```
其中：
amzn-s3-demo-bucket 是您的 S3 存储桶名称。

在本步骤结束时，您已将 Amazon Comprehend 实体分析输出转换为 Amazon Kendra 元数据。现在，您可以创建 Amazon Kendra 索引。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

步骤 2：检测实体

步骤 4：创建索引并提取元数据

步骤 3：将实体分析输出格式化为 Amazon Kendra 元数据

主题

下载和提取 Amazon Comprehend 的输出

提示

注意

将输出上传到 S3 存储桶

将输出转换为 Amazon Kendra 元数据格式

注意

重要

注意

重要

清理 Amazon S3 存储桶