Pular para o conteúdo principal
Docs
Acessar Studio
Roberty Studio
RPAAWS

Textract

Textract

Reconhece texto em imagens e documentos PDF utilizando o serviço AWS Textract. Permite extrair palavras, linhas, formulários, tabelas e respostas a perguntas de arquivos de imagem ou PDF.


Opções​

Caminho do arquivo​

Informe o caminho completo do arquivo (imagem ou PDF) a ser analisado pelo Textract.

Páginas para processar​

Informe quais páginas do PDF devem ser processadas, separando páginas por vírgula e intervalos por hífen, por exemplo 1-3, 5. Deixe vazio para processar todas as páginas.

Analisar formulários​

Ative esta opção para extrair pares de chave-valor (formulários) do documento. Padrão: desativado.

Analisar tabelas​

Ative esta opção para extrair tabelas estruturadas do documento. Padrão: desativado.

Analisar perguntas​

Ative esta opção para enviar perguntas ao Textract e obter respostas extraídas do documento. Padrão: desativado.

Perguntas a serem respondidas​

Informe as perguntas que o Textract deve responder com base no conteúdo do documento. Disponível apenas quando Analisar perguntas estiver ativado.

Região​

Informe a região AWS onde o serviço Textract está configurado.

Chave de Acesso​

Informe a chave de acesso da conta AWS.

Chave de Acesso Secreta​

Informe a chave de acesso secreta da conta AWS.

Nome do bucket​

Informe o nome do bucket S3 utilizado para o processamento. O bucket deve estar na mesma região do serviço Textract.

Tempo de espera​

Informe o tempo máximo (em segundos) aguardado para a conclusão da análise. Padrão: 120.

Retornos​

Código Javascript​

js
actions["id-da-acao"].content // conteúdo do documento analisado pelo OCR (Texto)
actions["id-da-acao"].words // palavras encontradas pelo OCR (Lista)
actions["id-da-acao"].lines // linhas de palavras encontradas pelo OCR (Lista)
actions["id-da-acao"].forms // formulários encontrados pelo OCR (Lista)
actions["id-da-acao"].tables // tabelas encontradas pelo OCR (Lista)
actions["id-da-acao"].queries // respostas encontradas pelo OCR referentes às perguntas (Lista)

Seleção de campos​

  • content — conteúdo do documento analisado pelo OCR, com as linhas encontradas separadas por quebra de linha (Texto)
  • words — palavras encontradas pelo OCR; cada item tem content (a palavra) e page (Lista)
  • lines — linhas de palavras encontradas pelo OCR; cada item tem content (o texto da linha) e page (Lista)
  • forms — formulários encontrados pelo OCR; cada item tem key, value e page (Lista)
  • tables — tabelas encontradas pelo OCR; cada item tem headersContent, headersSize, valuesContent, valuesSize e page (Lista)
  • queries — respostas encontradas pelo OCR referentes às perguntas; cada item tem content (a resposta), alias e page (Lista)

Regras e Condições​

  • Os campos Caminho do arquivo, Região, Chave de Acesso, Chave de Acesso Secreta, Nome do bucket e Tempo de espera são obrigatórios.
  • O bucket S3 deve estar na mesma região do serviço Textract.
  • Para análise de perguntas, as perguntas devem ser informadas previamente.
  • forms, tables e queries só são preenchidos quando a análise correspondente está ativada; caso contrário, vêm vazios.
  • Se a análise não terminar dentro do Tempo de espera, o robô interrompe a execução com erro.