テキストの行と単語

Amazon Textract オペレーションによって返される検出されたテキストは、ブロックオブジェクトのリストで返されます。これらのオブジェクトは、ドキュメントページで検出されたテキストまたはテキスト単語の行を表します。次のテキストは、複数の単語から作成された 2 行のテキストを示しています。

これはテキストです。

2 つの別々の行。

検出されたテキストは、Blockオブジェクトの Textフィールドに返されます。BlockType フィールドは、テキストがテキスト行 (LINE) か単語 (WORD) かを決定します。WORD は、スペースで区切られていない 1 つ以上の ISO 基本ラテンスクリプト文字です。LINE は、タブ区切りの連続した単語の文字列です。

さらに、Amazon Textract は、 TextTypesフィールドを使用してテキストの一部が手書きまたは印刷されたかどうかを判断します。これらはそれぞれ HANDWRITING と PRINTED として返されます。

他のBlockプロパティは、ID、信頼度、ジオメトリ情報など、すべてのブロックタイプに共通です。詳細については、「テキスト検出およびドキュメント分析レスポンスオブジェクト」を参照してください。

行と単語のみを検出するには、DetectDocumentText または StartDocumentTextDetection を使用できます。詳細については、「テキストの検出」を参照してください。検出されたテキスト (行と単語) と、それがテーブルなどのドキュメントの他の部分にどのように関連しているかに関する情報を取得するには、AnalyzeDocument または StartDocumentAnalysis を使用できます。詳細については、「ドキュメントの分析」を参照してください。

PAGE、LINE、および WORDブロックは、parent-to-child関係で相互に関連しています。PAGE ブロックは、ドキュメントページのすべてのLINEブロックオブジェクトの親です。LINE には 1 つ以上の単語を含めることができるため、LINE ブロックのRelationships配列には、テキスト行を構成する子 WORD ブロックの IDs が保存されます。

次の図は、テキスト Hello, world の Hello, world. という行を示しています。調子はいかがですか? は Block オブジェクトで表されます。

以下は、Hello, world という文の DetectDocumentText JSON 出力です。 調子はいかがですか? が検出されました。最初の例は、ドキュメントページの JSON です。CHILD IDs を使用してドキュメント内を移動できます。

{
    "Geometry": {...}, 
    "Relationships": [
        {
            "Type": "CHILD", 
            "Ids": [
                "d7fbd604-d609-4d69-857d-247a3f591238", // Line - Hello, world.
                "b6c19a93-6493-4d8e-958f-853c8f7ca055" //  Line - How are you?
            ]
        }
    ], 
    "BlockType": "PAGE", 
    "Id": "56ec1d77-171f-4881-9852-2b5b7e761608"
},

以下は、「Hello, World」という行を構成する LINE ブロックの JSON です。

{
    "Relationships": [
        {
            "Type": "CHILD", 
            "Ids": [
                "7f97e2ca-063e-47a8-981c-8beee31afc01", // Word - Hello,
                "4b990aa0-af96-4369-b90f-dbe02538ed21"  // Word - world.
            ]
        }
    ], 
    "Confidence": 99.63229370117188, 
    "Geometry": {...}, 
    "Text": "Hello, world.", 
    "BlockType": "LINE", 
    "Id": "d7fbd604-d609-4d69-857d-247a3f591238"
},

以下は、Hello という単語の WORD ブロックの JSON です。

{
    "Geometry": {...}, 
    "Text": "Hello,", 
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.74746704101562, 
    "Id": "7f97e2ca-063e-47a8-981c-8beee31afc01"
}, 

最後の JSON は、単語ワールドの WORD ブロックです。

{
    "Geometry": {...}, 
    "Text": "world.",
    "TextType": "PRINTED",
    "BlockType": "WORD", 
    "Confidence": 99.5171127319336, 
    "Id": "4b990aa0-af96-4369-b90f-dbe02538ed21"
},