Python 및 AWS를 사용하여 광학 문자 인식 시작하기

이 블로그에서는 AWS Textract를 사용하여 사진에서 문서의 텍스트를 스캔 및 추출하고 JSON 출력 응답을 얻습니다. 또한 Python과 함께 AWS 람다 함수를 사용하여 백엔드를 구축할 것입니다.



이전 블로그Serverless AWS Textract Document Scanner를 읽었다면 Node.js를 사용하여 AWS Textract를 실행하는 엔드포인트를 생성했음을 알 수 있습니다. 그러나 파이썬으로 전환해야만 해결되는 몇 가지 문제가 있었습니다. 예를 들어 node.js를 사용하여 앱을 실행하는 동안 직면한 가장 큰 문제 중 하나는 요청 시간이 너무 길다는 것이었습니다. 경우에 따라 응답 완료에 최대 30초가 걸릴 수 있습니다. 당신이 알 수 있듯이 그것은 끔찍합니다. 그래서 내 스택을 node.js에서 Python으로 전환하기로 결정했고 이제 평균 요청 실행 시간이 25초에서 2초로 떨어졌습니다. 꽤 멋지죠? 알아요. 어떻게 할 수 있는지 봅시다.

1. Python을 사용하여 서버리스로 백엔드 설정

서버리스 작동 방식을 이미 알고 있다고 가정하면 AWS Textract와 그 흐름을 계속 진행할 수 있습니다. 노드가 포함된 서버리스에 익숙하지 않은 경우 총을 던지지 말고 tutshere를 확인하십시오.

괜찮아. 서버리스를 빠르게 설정해 보겠습니다.

sls create --template aws-python --path myService

다음 종속성이 설치되어 있는지 확인하십시오.

보토3

json

노트

계속하기 전에 명심해야 할 사항

이 작업에 대한 적절한 권한이 있는지 확인하십시오.

해당 지역을 확인하고

버킷 URL이 정확한지 확인하십시오.

2. 이제 AWS SDK가 구성되면 Textract용 코드를 작성할 수 있습니다.

import json
import boto3

def textractAnalyzer(event, context):
    bucket="YOUR_BUCKET_NAME"
    document = json.loads(event['body'])['fileKey']
    client = boto3.client('textract')

    #process using S3 object
    response = client.detect_document_text(
        Document={'S3Object': {'Bucket': bucket, 'Name': document}})

    #Get the text blocks
    blocks=response['Blocks']

    # All Text By Line
    texts_by_line = dataPurifierByLine(blocks)

    return {
        'statusCode': 200,
        'body': json.dumps({
            "fileKey": document,
            "textByLine": texts_by_line,
            "texTractblocks" : blocks ## Full response from textract
        }),
    }

def dataPurifierByLine(blocks):
    result = []
    for block in blocks:
        if block['BlockType'] == "LINE":
            entry = {
                "line": block['Text'],
                "confidence": block['Confidence']
            }
            result.append(entry)
    return result

다음 코드는 s3/public/**에서 특정 키가 있는 파일을 찾은 다음 Textract 분석을 실행합니다.

3. 코드 배포

sls deploy끝점을 찾으십시오. 저에게는 다음과 같습니다.

4. 다음 단계에서는 테스트에 사용할 수 있도록 파일을 버킷에 수동으로 드롭합니다.

S3로 이동,

/public

으로 이동

그런 다음 img 파일을 업로드합니다

.




이 오래된 영수증을 사용하고 있습니다.

5. 마지막으로 우편 배달부에서 테스트합니다.

유효 탑재량:

    "fileKey" : "public/demo.jpeg"

시간 초과 오류가 발생하면 .yml 파일에서 기능 시간 초과를 30초로 변경합니다.

반환되는 데이터 유형을 볼 수 있습니다. 이 데모에서는 모든 줄을 가져와 배열에 함께 추가하겠습니다.

응답은 다음과 같아야 합니다.

{
    "fileKey": "public/demo.jpeg",
    "textByLine": [
        {
            "line": "01/027 APPROVED - THANK YOU",
            "confidence": 99.5232162475586
        },
        .
        .
        .
        .
    ],
    "texTractblocks": [
        {
            "BlockType": "PAGE",
            "Geometry": {
                "BoundingBox": {
                    "Width": 0.8844140768051147,
                    "Height": 0.8354079723358154,
                    "Left": 0.048781704157590866,
                    "Top": 0.15526676177978516
                },
                "Polygon": [
                    {
                        "X": 0.07131516188383102,
                        "Y": 0.1597394049167633
                    },
                    {
                        "X": 0.9331957697868347,
                        "Y": 0.15526676177978516
                    },
                    {
                        "X": 0.9245083928108215,
                        "Y": 0.9906747341156006
                    },
                    {
                        "X": 0.048781704157590866,
                        "Y": 0.9588059782981873
                    }
                ]
            },
            "Id": "9b384b8d-dcb8-4596-8511-af18659a9787",
            "Relationships": [
                {
                    "Type": "CHILD",
                    "Ids": [
                        "250a9339-d1ed-4c21-ad50-5a2154cd89da",
                        "aac798f2-3c05-41a2-979c-869509b53d58",
                        "eb878ad4-8b37-415d-b6ac-8cc909dab0a3",
                        "376c375f-94d1-47b7-9f4e-a9fb203043f2",
                        "628dbdd6-1225-43c9-867c-9a83ea91e1ae",
                        "aecacbf9-8727-4334-a904-6795df9c455b",
                        "c8e51b32-d010-4300-8e98-6002d6e5eee3",
                        "20e6422a-16c0-41b6-be2d-6c0c9d09ed44",
                        "82bfdb0d-20bd-407f-bc3b-33aef24fc097",
                        "aa3125fd-2e2d-48a5-9416-84ef7a987976",
                        "10ec162e-a937-4cd2-87d5-6d6b9205d719",
                        "b05a2ece-0a7f-4e65-87e5-fe4e49277f25",
                        "561f5c75-bbb4-4dc6-8660-fbc3f7386f9c",
                        "665bb6fe-8ac9-44b3-af49-189ac3ea7757",
                        "5d42a676-0621-42ad-89ff-7a16873290c4",
                        "bdb02d6e-3b80-4913-8359-ef7e70068582",
                        "28691f75-aef5-418d-8519-1d05bb991fda",
                        "8c4b9208-c2c5-4ad8-96a6-35e962043fbd"
                    ]
                }
            ]
        },
        .
        .
        .
}

그게 다야!

다음 단계

다음 주에는 이 앱을 계속 사용하고 Flutter와 AWS Amplify를 사용하여 프런트 엔드를 구축할 것입니다.

Flutter를 고소하기 위해 AWS Amplify를 설정합니다.

사진을 찍도록 카메라를 설정합니다.

완료되면 사진을 확인하고 S3 스토어로 보내드립니다.

람다 함수를 트리거하고 프런트 엔드로 응답을 다시 보냅니다.