使用Amazon Textract时不支持的文档格式，

Question

当我试图解析通过AmazonS3访问的pdf文件时，它会给我一个错误，请求的文档格式不受支持。

我正在将Amazon textract与boto3一起使用。当我试图解析通过amazon s3访问的pdf文件时，它给了我一个错误，请求了不支持的文档格式。我对这一点相当陌生，在textract的文档中提到pdf文件确实是受支持的。

这是我正在使用的代码。

import boto3
textractClient = boto3.client('textract',region_name='us-east-1')
response = textractClient.detect_document_text(
        Document={'S3Object': {'Bucket': 'bucketName', 'Name': 'filename.pdf'}})
blocks = response['Blocks']

这给我的错误，请求有不支持的文档格式。

Answer 1

detect_document_text（）是一个仅支持PNG或JPG图像的同步API。

如果您想处理PDF文件，您应该使用名为start_document_text_detection（）的异步API。

https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/textract.html#Textract.Client.start_document_text_detection