使用 AWS Textract 的郁金香 OCR

:::(Warning) (注）使用Frontline Coplilot™，可直接从图像和文档中提取文本，大大简化了在 Tulip 中对图像进行 OCR 的过程。今后建议采用这种方法：

本文将指导你在 Tulip 上设置 AWS Textract 连接器。

AWS Textract 是亚马逊网络服务（AWS）提供的一项基于云的服务，它使用机器学习技术从各种类型的文档中提取文本和数据。Textract 可以分析扫描文档、PDF、图像和其他文件，自动提取文本内容、表格、表单和键值对。

AWS Textract 的主要特点和功能包括

1. **光学字符识别 (OCR)：**Textract 使用 OCR 从扫描的文档和图像中提取文本，即使这些文档和图像使用不同的语言或具有复杂的布局。
2. 键值对提取：Textract 可从发票或收据等文档中提取键值对，方法是识别标签与其相关值之间的关系。
3. 表格提取：Textract 可以从文档中检测和提取表格数据，并保留表格结构、行和列。
4. 基于查询的文本提取：Textract 允许你使用自然语言查询从文档中检索特定信息。
5. 支持多种文档格式：Textract 支持多种文档格式，包括 PDF、JPEG、PNG 和 TIFF。
6. 表单提取（即将推出）：Textract 可自动识别复选框、单选按钮和文本字段等表单字段，并提取相应数据。

前提条件

• 工作中的Tulip Vision工作站，配有用于视觉检测的摄像头
• 联系 Tulip 支持部门获取 AWS Textract 连接器和 API 密钥（Textract 应用程序即将在Tulip Library中推出）
• 为提取 PDF 文件创建一个登录 URL连接器

设置 Tulip 连接器

在你的 Tulip 实例中，从 "应用程序"菜单中选择 "连接器"。

选择AWS 连接器并确保其在线，或使用以下连接详细信息进行设置：

选择 "编辑标头"，更新 Tulip 提供的 X-API 密钥。

选择 "返回"，然后点击 "测试"。

Tulip 应用程序中的键值对 Textract（从 PDF 中提取）

在本示例中，我们将演示如何在应用程序中使用 Textract 从 PDF 中获取键值对。您需要在 AWS 连接器中创建和配置一个连接器函数，并使用触发逻辑来运行连接器并提取我们想要的数据。

连接器函数详细信息

在 AWS 连接器中创建一个新的连接器函数。使用以下信息设置 Input 和 Output。

输入File_url（文本）-- 上传到郁金香的 PDF 文件的 URL Start_page（Int）-- 要提取的 PDF 文件的第一页 End_page（Int）-- 要提取的 PDF 文件的最后一页

输出结果（对象） - 包含键和值对的对象列表。

应用程序触发器

在应用程序中，触发器将调用连接器函数来运行。

创建具有以下操作的新触发器：

1. 使用 Sign URL 功能运行 URL 签名连接器。文件输入应为文本变量。使用 FILETOTEXT (variable.File) 表达式，其中 "File "为变量名，将文件名转换为文本字符串。将输出保存到一个变量并命名为（"SignedURL"）。
2. 运行 AWS Textract Key-Value Pairs 连接器函数，输入签名 URL (file_url)，以及要提取的 PDF 的起始页和结束页。将输出保存到一个新数组。

Textract 结果保存在包含键值对的对象数组中。要从数组中提取这些结果，需要创建一个新的触发器，根据需要从数组中重复弹出键值对。
你可以考虑使用循环客户小工具，从数组中弹出多个对象。

在郁金香应用程序中使用 Textract 进行查询（从 PDF 中提取）

在本示例中，我们将演示如何在应用程序中使用 Textract 查询从 PDF 中提取的数据。您需要在 AWS 连接器中创建和配置一个新的连接器函数，并使用触发逻辑运行连接器。通过查询数据，您可以了解或更改接收到的数据。

连接器函数详细信息

在 AWS 连接器中创建一个新的连接器功能。使用以下信息设置 Inputs 和 Outputs 。

输入File_url（文本）-- 上传到郁金香的 PDF 文件的 URL Start_page（Int）-- 要提取的 PDF 文件的第一页 End_page（Int）-- 要提取的 PDF 文件的最后一页

输出结果（对象） - 答案和查询的对象列表

应用程序触发器

在应用程序中，触发器将调用连接器函数运行。

创建具有以下操作的新触发器：

1. 将查询保存到一个文本变量中，用问号（?）分隔。
2. 使用 Sign URL 功能运行 URL 签名连接器。文件输入应为文本变量。使用 FILETOTEXT (variable.File) 表达式，其中 "File "为变量名，将文件名转换为文本字符串。将输出保存到变量并命名为 "SignedURL"。
3. 运行 AWS Textract，通过查询连接器函数从 PDF 中提取文本，并输入签名 URL（file_url）、查询变量以及 PDF 的起始页和结束页。将输出保存到一个新数组中。

找到您想要的了吗？

你还可以前往community.tulip.co发布你的问题，或者看看其他人是否也遇到过类似问题！