View a markdown version of this page

分析文件 - Amazon Textract

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

分析文件

Amazon Textract 會分析偵測到的文字之間的關係文件和表單。Amazon Textract 分析操作會傳回 5 個文件擷取類別：文字、表單、資料表、查詢回應和簽章。發票和收據的分析是透過不同的程序處理，如需詳細資訊，請參閱 分析發票和收據。

文字擷取

從文件擷取的原始文字。如需詳細資訊，請參閱行和文字。

表單擷取

表單資料會連結到從文件中擷取的文字項目。Amazon Textract 將表單資料表示為鍵/值對。

在下列範例中，Amazon Textract 偵測到的其中一個文字行是名稱：Jane Doe。Amazon Textract 也會識別金鑰 (名稱：) 和值 (Jane Doe)。如需詳細資訊，請參閱表單資料 （金鑰/值對）。

名稱：Jane Doe

地址：123 Any Street， Anytown， USA

出生日期：12-26-1980

鍵值對也用於表示從表單擷取的核取方塊或選項按鈕 （選項按鈕）。

男性： ☑

如需詳細資訊，請參閱選取元素。

資料表擷取

Amazon Textract 可以擷取資料表、資料表儲存格、資料表儲存格內的項目、資料表標題和頁尾，以及資料表的類型。Amazon Textract 也可以設定為以 JSON、CSV 或 TXT 檔案傳回結果。

名稱 地址

Ana Carolina

123 任何城市

如需更多詳細資訊，請參閱資料表。也可以從資料表中擷取選取元素。如需詳細資訊，請參閱選取元素。

文件分析中的簽章

Amazon Textract 可以偵測文字文件中的簽章位置。這些會傳回為具有週框方塊的幾何物件，提供頁面上簽章的位置，以及簽章在該位置的可信度。如果簽章功能單獨使用，Amazon Textract 將同時傳回簽章和標準文字偵測結果。簽章偵測可與表單、資料表和查詢等其他功能類型搭配使用。搭配表單和資料表使用時，簽章可以分別偵測為鍵值對的一部分或在資料表儲存格內。

文件分析中的查詢

使用 Amazon Textract 處理文件時，您可以將查詢新增至分析，以指定您需要的資訊。這涉及傳遞問題，例如「客戶的社會安全號碼是多少？」 至 Amazon Textract。然後，Amazon Textract 會在文件中找到該問題的資訊，並在與其餘文件資訊分開的回應結構中傳回。如需此回應結構的詳細資訊，請參閱查詢回應結構。如需查詢使用最佳實務的詳細資訊，請參閱 查詢的最佳實務。查詢可以單獨處理，也可以與任何其他 結合處理FeatureType，例如資料表或表單。

查詢範例：客戶的 SSN 是什麼？

範例答案：111-xx-333

對於分析的項目，Amazon Textract 會在多個區塊物件中傳回下列項目：

  • 偵測到的文字的行和字

  • 偵測到的項目內容

  • 偵測到的項目之間的關係

  • 偵測到項目的頁面

  • 文件頁面上項目的位置

自訂查詢

透過 Amazon Textract 文件分析，您可以透過使用您自己的文件訓練的轉接器自訂模型輸出。轉接器是插入 Amazon Textract 預先訓練深度學習模型的元件，可為您的業務特定文件自訂其輸出。您可以為特定使用案例建立轉接器，方法是註釋/標記範例文件，並在註釋範例上訓練轉接器。

建立轉接器後，Amazon Textract 會為您提供 AdapterId。您可以在單一轉接器中擁有多個轉接器版本。您可以將 AdapterId 與 AdapterVersion 一起提供給 操作，以指定您要使用您建立的轉接器。例如，您將兩個參數提供給 AnalyzeDocument API 以進行同步文件分析，或提供 StartDocumentAnalysis 操作以進行非同步分析。在請求中提供 AdapterId 會自動將轉接器整合到分析程序中，並使用它來增強文件的預測。如此一來，您就可以利用 AnalyzeDocument 的功能，同時自訂模型以符合您自己的使用案例。

如需有關建立和使用轉接器的詳細資訊，請參閱 自訂您的查詢回應。如需如何建立、訓練和搭配 使用轉接器的教學 AWS 管理主控台課程，請參閱 自訂查詢教學課程。

文件分析中的配置

Amazon Textract 可透過尋找不同元素的位置及其相關行文字，來偵測文件的配置。這些元素包括段落、清單、標頭、頁尾、頁碼、數字、資料表、標題和區段標頭。分析文件配置時，Amazon Textract 會傳回配置元素的週框方塊位置，以及這些元素中的文字。此資訊會以文件的隱含讀取順序傳回，列出從上到下、從左到右的元素。

您可以使用同步或非同步操作來分析文件中的文字。若要同步分析文字，請使用 AnalyzeDocument 操作，並將文件做為輸入傳遞。 AnalyzeDocument會傳回整組結果。如需詳細資訊，請參閱使用 Amazon Textract 分析文件文字。

若要非同步偵測文字，請使用 StartDocumentAnalysis 開始處理。若要取得結果，請呼叫 GetDocumentAnalysis。結果會在一或多個來自 的回應中傳回GetDocumentAnalysis。如需詳細資訊和範例，請參閱 偵測或分析多頁文件中的文字。

若要指定要執行的分析類型，您可以使用FeatureTypes清單輸入參數。將 TABLES 新增至清單，以傳回輸入文件中偵測到的資料表相關資訊，例如資料表儲存格、儲存格文字和儲存格中的選取元素。新增 FORMS 以傳回單字關係，例如鍵/值對和選取元素。新增 QUERIES，以指定您希望 Amazon Textract 在文件中尋找的資訊，並以問答對的形式取得回應。新增 LAYOUT 以判斷文件的配置。若要執行所有類型的分析，請將 TABLES、FORMS、QUERIES 和 LAYOUT 新增至 FeatureTypes。

文件中偵測到的所有行和字都包含在回應中 （包括與 值無關的文字FeatureTypes)。