像传统OCR软件一样使用Textract识别长文本的扫描页面，同时重新训练格式？
0
【以下的问题经过翻译处理】 我完全是第一次接触Textract，在深入学习API之前，我想问一下它是否可以用于识别扫描书籍或学术文章等页面，并重新调整字符和段落格式，并输出RTF或.DOC文本文件？非常感谢！
1 回答
- 最新
- 投票最多
- 评论最多
0
【以下的回答经过翻译处理】 通过格式化，我假定您指的是字体大小和样式（例如加粗，斜体）？目前，Textract无法提取此类格式化信息。
DetectText API目前提供以下信息（sourcehttps://docs.aws.amazon.com/textract/latest/dg/how-it-works-detecting.html）：
- 检测到的文本行和单词
- 检测到的文本行和单词之间的关系
- 检测到的文本所出现的页码
- 文档页面上文本行和单词的位置
它还可以通过查询提取表格、表单和特定信息。此页面https://docs.aws.amazon.com/textract/latest/dg/how-it-works-document-layout.html提供了相应的概述。