AWS 使用 texttract 开始文档分析不起作用答案

【问题标题】：AWS start document analysis using textract not workingAWS 使用 texttract 开始文档分析不起作用
【发布时间】：2021-06-19 16:29:22
【问题描述】：

我正在为我的学校做一个项目，我应该使用 textract 对表单进行文档分析，并将该输出运行到 A2I，其中算法将确定表单是否被批准、拒绝或需要审查。将文档上传到 S3 后，应触发此 textract lambda 函数。但是，当我遵循本文档时，我会遇到语法错误； https://docs.aws.amazon.com/textract/latest/dg/API_StartDocumentAnalysis.html

我的代码是：

import urllib.parse
import boto3

print('Loading function')

##Clients
s3 = boto3.client('s3')
textract = boto3.client('textract')

def analyzedata(bucketName,documentKey):
    print("Loading")
    AnalyzedData= textract.StartDocumentAnalysis("DocumentLocation": { 
      "S3Object": { 
         "Bucket": "bucketName",
         "Name": "documentKey",
      })
    detectedText = ''

    # Print detected text
    for item in AnalyzedData['Blocks']:
        if item['BlockType'] == 'LINE':
            detectedText += item['Text'] + '\n'
            
    return detectedText
      
def writeTextractToS3File(textractData, bucketName, createdS3Document):
    print('Loading writeTextractToS3File')
    generateFilePath = os.path.splitext(createdS3Document)[0] + '.csv'
    s3.put_object(Body=textractData, Bucket=bucketName, Key=generateFilePath)
    print('Generated ' + generateFilePath)





def lambda_handler(event, context):
    #print("Received event: " + json.dumps(event, indent=2))

    # Get the object from the event and show its content type
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = urllib.parse.unquote_plus(event['Records'][0]['s3']['object']['key'], encoding='utf-8')
    try:
        detectedText = analyzedata(bucket, key)
        writeTextractToS3File(detectedText, bucket, key)
        
        return 'Processing Done!'
        
        
        
    except Exception as e:
        print(e)
        print('Error getting object {} from bucket {}. Make sure they exist and your bucket is in the same region as this function.'.format(key, bucket))
        raise e

代码尚未完成，但我已经收到语法错误：

  "errorMessage": "Syntax error in module 'lambda_function': invalid syntax (lambda_function.py, line 13)",
  "errorType": "Runtime.UserCodeSyntaxError",
  "stackTrace": [
    "  File \"/var/task/lambda_function.py\" Line 13\n        AnalyzedData= textract.Start_Document_Analysis(\"DocumentLocation\": { \n"
  ]
}

【问题讨论】：

标签： python amazon-web-services aws-lambda amazon-textract

【解决方案1】：

根据boto3 docs，你的语法应该更像：

AnalyzedData= textract.start_document_analysis(DocumentLocation={ 
  "S3Object": { 
     "Bucket": "bucketName",
     "Name": "documentKey",
  })

另请注意，FeatureTypes 参数是按要求列出的。

【讨论】：

天哪，这解决了它。我可以问一下，如果语法是 start_document_analysis，为什么 aws 文档没有说明这一点？他们只是说 StartDocumentAnalysis.. 对像我这样的初学者真的有误导
我不知道。我猜 API 文档是针对 Web API 的，而 boto3 文档是专门针对 Python 客户端的？
嗯，有道理。如果你有时间，你能帮我看看stackoverflow.com/questions/62900687/…吗？它是这个问题的延续，我这次使用 get_document_analysis 来获得结果。再次感谢您；）

【解决方案2】：

你应该尝试 pip install awscli

pip install awscli

或者 pip3 如果效果更好

然后导入并尝试运行代码。

【讨论】：

【解决方案3】：

我认为您为此缺少一个起始大括号字符。

AnalyzedData= textract.StartDocumentAnalysis("DocumentLocation": { # missing { in this line
  "S3Object": { 
     "Bucket": "bucketName",
     "Name": "documentKey",
  })

【讨论】：