不使用 Amazon S3 的 Amazon Textract

Question

我想使用 Amazon Textract 从 PDF 中提取信息（如 How to use the Amazon Textract with PDF files）。所有答案和 AWS 文档都要求输入是 Amazon S3 对象。

我是否可以在不将 PDF 上传到 Amazon S3 的情况下使用 Textract，而只是在 REST 调用中提供它们？ （我必须将 PDF 存储在本地）。

Answer 1

我将在考虑 Java API 的情况下回答这个问题。简短的回答是肯定的。

如果您查看给定操作的 TextractAsyncClient Javadoc：

https://sdk.amazonaws.com/java/api/latest/software/amazon/awssdk/services/textract/TextractAsyncClient.html#analyzeDocument-software.amazon.awssdk.services.textract.model.AnalyzeDocumentRequest-

它说：

" 异步操作的文档也可以是PDF格式"

这意味着 - 您可以像这样引用 PDF 文档并创建 AnalyzeDocumentRequest 对象（无需从 Amazon S3 存储桶中提取）。 ：

public static void analyzeDoc(TextractClient textractClient, String sourceDoc) {

        try {
            InputStream sourceStream = new FileInputStream(new File(sourceDoc));
            SdkBytes sourceBytes = SdkBytes.fromInputStream(sourceStream);

            // Get the input Document object as bytes
            Document myDoc = Document.builder()
                    .bytes(sourceBytes)
                    .build();

            List<FeatureType> featureTypes = new ArrayList<FeatureType>();
            featureTypes.add(FeatureType.FORMS);
            featureTypes.add(FeatureType.TABLES);

            AnalyzeDocumentRequest analyzeDocumentRequest = AnalyzeDocumentRequest.builder()
                    .featureTypes(featureTypes)
                    .document(myDoc)
                    .build();

// Use the TextractAsyncClient to perform an operation like analyzeDocument

...
}