如何在 AWS Lambda 中使用表格读取 PDF 表格答案

【问题标题】：How to use tabula in AWS Lambda to read PDF table如何在 AWS Lambda 中使用表格读取 PDF 表格
【发布时间】：2022-09-28 01:25:51
【问题描述】：

您好，我在尝试使用 tabula 读取 pdf 中的表格时收到以下错误。

我意识到将这个包与 AWS lambda 一起使用会遇到一些困难（here），并尝试通过 EC2（Ubuntu 20.02）压缩 tabula 包，然后将其作为层添加到函数中。

提前谢谢了！

{ \"errorMessage\": \"`java` command is not found from this Python process.Please ensure Java is installed and PATH is set for `java`\", \"errorType\": \"JavaNotFoundError\", \"stackTrace\": [ \" File \\\"/var/task/lambda_function.py\\\", line 39, in lambda_handler\\n df = tabula.read_pdf(BytesIO(fs), pages=\\\"all\\\", area = [box],\\n\", \" File \\\"/opt/python/lib/python3.8/site-packages/tabula/io.py\\\", line 420, in read_pdf\\n output = _run(java_options, tabula_options, path, encoding)\\n\", \" File \\\"/opt/python/lib/python3.8/site-packages/tabula/io.py\\\", line 98, in _run\\n raise JavaNotFoundError(JAVA_NOT_FOUND_ERROR)\\n\" ] }

代码

import boto3

import read_pdf from tabula
from io import BytesIO

def lambda_handler(event, context):
    
    client = boto3.client(\'s3\')
    
    s3 = boto3.resource(\'s3\')

    # Get most recent file name
    response = client.list_objects_v2(Bucket=\'S3bucket\')
    all = response[\'Contents\']        
    latest = max(all, key=lambda x: x[\'LastModified\'])
    latest_key = latest[\'Key\'] 
    
    # Get file
    obj = s3.Object(\'S3bucket\', latest_key)
    fs = obj.get()[\'Body\'].read()
    
    # Read PDF
    box = [3.99, .22, 8.3, 7.86]
    fc = 72
             
    for i in range(0, len(box)):
        box[i] *= fc
        
    df = tabula.read_pdf(BytesIO(fs), pages=\"all\", area = [box], output_format = \"dataframe\", lattice=True)

标签： python aws-lambda tabula-py

【解决方案1】：

Tabula 的 python 包只是 java 代码的包装器。这是对包here 的引用。

需要安装 Java 8+ 才能正常工作。实现这一目标的最佳选择是开发一个 docker 容器映像，您的脚本可以在其中运行，并将该映像部署为 lambda 函数。

AWS 有一个很好的 walkthrough 可能会有所帮助。

【讨论】：

【解决方案2】：

这是 ultimatley 工作的 Dockerfile，它允许我在我的 lambda 函数中运行 tabula：


ARG FUNCTION_DIR="/var/task/"

COPY ./ ${FUNCTION_DIR}

# Install OpenJDK
RUN yum install -y java-1.8.0-openjdk


# Setup Python environment
# Install PYTHON requirements
COPY requirements.txt ./
RUN pip install --no-cache-dir -r requirements.txt

# Copy function code to container
COPY app.py ./


CMD [ "app.handler" ]

【讨论】：