Amazon Textract - это сервис, который автоматически извлекает текст и данные из отсканированных документов. Это выходит за рамки простого оптического распознавания символов (OCR) и позволяет также определять содержимое полей в формах и информацию, хранящуюся в таблицах. Обычно вам нужно извлекать данные из документов и форм. Благодаря машинному обучению эта услуга может устранить необходимость ручного ввода данных или менее подверженного ошибкам подхода жестко закодированных правил..

AWS Textract - это инструмент AWS, используемый для извлечения текста из PDF (или изображения). Наилучший сценарий - когда в исходном документе всего одна колонка, как в книге. Когда у вас более одной колонки, например, в газетной статье, с ними работать сложнее. Я хотел бы поделиться своим опытом использования метода сортировки столбцов. Мой источник - газетная статья с таким макетом: Вывод Textract - это JSON, образованный различными типами BlockType, расположенными в..