python - Amazon Textract を使用して複数ページのドキュメント PDF から同期的にテキストを検出して分析する

Question

回答https://stackoverflow.com/a/62174368/8117673

さらなる質問は、Amazon Textract によるテキスト検出の精度に影響しますか?

Amazon Textract からより良い結果を得るには、画像を前処理する必要がありますか?

Answer 1

コマンドpdftoppmを使用して PDF を PNG に変換しました。Python の場合 -> subprocess.Popen(['pdftoppm -png Sample.pdf Sample'])

PDF ファイルでの Amazon Textract の精度は、PNG 形式よりも優れていました。PDFが元の文書だからです。