Question

我正尝试使用C＃/。NET从AWS textract服务使用DetectDocument（异步）从PDF文件提取表和数据。

我在数据提取方面很成功，但无法弄清楚如何使用AnalyzeDocument提取PDF中的表并导出为CSV文件。

阅读AWS文档，并发现在Python中而不是.NET中的CSV提取。请参阅链接：-https://docs.aws.amazon.com/textract/latest/dg/examples-export-table-csv.html

尝试查看Python代码并为.NET复制，但未成功。

Answer 1

我们可以使用这段代码，遍历textract的GetDocumentTextAnalysis（）返回的块中的关系，并获取与其链接的所有子节点。

var relationships = block.Relationships;
    if(relationships != null && relationships.Count > 0) {
        relationships.ForEach(r => {
            if(r.Type == "CHILD") {
                r.Ids.ForEach(id => {
                    var cell = new Cell(blocks.Find(b => b.Id == id), blocks);
                    if(cell.RowIndex > ri) {
                        this.Rows.Add(row);
                        row = new Row();
                        ri = cell.RowIndex;
                    }
                    row.Cells.Add(cell);
                });
                if(row != null && row.Cells.Count > 0)
                    this.Rows.Add(row);
            }
        });
    }

作为参考-请参考底部的链接以获取代码：-

https://github.com/aws-samples/amazon-textract-code-samples/blob/master/src-csharp/TextractExtensions/Table.cs

如何使用AWS Textract Service和.net从文档中导出CSV中的表格（PDF / Image）

1 个答案: