Textract-Pipeline-PageDimensions

提供函数，用于将页面尺寸（doc_width 和 doc_height）添加到自定义属性下的 Textract JSON 方案的 PAGE 块中，形式如下：

例如：

{'PageDimension': {'doc_width': 1549.0, 'doc_height': 370.0} }

安装

> python -m pip install amazon-textract-pipeline-pagedimensions

确保您的环境已通过配置文件、环境变量或附加角色设置了 AWS 凭据。（https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html）

示例

为本地文件添加页面尺寸

sample 使用 amazon-textract-caller 和 amazon-textract-pipeline-pagedimensions

python -m pip install amazon-textract-caller

from textractpagedimensions.t_pagedimensions import add_page_dimensions
from textractcaller.t_call import call_textract
from trp.trp2 import TDocument, TDocumentSchema

j = call_textract(input_document='<path to some image file>')
t_document: TDocument = TDocumentSchema().load(j)
add_page_dimensions(t_document=t_document, input_document=input_file)
print(t_document.pages[0].custom['PageDimension']) 
# output will be something like this:
# {
#     'doc_width': 1544,
#     'doc_height': 1065
# }

使用 Amazon Textact Helper 命令行工具和 PageDimensions

与 Amazon Textract Helper 和 Amazon Textract Response Parser 一起，我们可以构建一个包含页面尺寸和方向信息的管道，作为 Textract JSON 中添加信息的简短演示。

> python -m pip install amazon-textract-helper amazon-textract-response-parser amazon-textract-pipeline-pagedimensions
> amazon-textract --input-document "s3://amazon-textract-public-content/blogs/2-pager-different-dimensions.pdf" | amazon-textract-pipeline-pagedimensions --input-document "s3://amazon-textract-public-content/blogs/2-pager-different-dimensions.pdf"  | amazon-textract-pipeline --components add_page_orientation | jq '.Blocks[] | select(.BlockType=="PAGE") | .Custom'

{
  "PageDimension": {
    "doc_width": 1549,
    "doc_height": 370
  },
  "Orientation": 0
}
{
  "PageDimension": {
    "doc_width": 1079,
    "doc_height": 505
  },
  "Orientation": 0
}