Saltar al contenido principal
Docs
Ir al Studio
Roberty Studio
RPAAWS

Textract

Textract

Reconoce texto en imágenes y documentos PDF utilizando el servicio AWS Textract. Permite extraer palabras, líneas, formularios, tablas y respuestas a preguntas de archivos de imagen o PDF.


Opciones​

Ruta del archivo​

Indica la ruta completa del archivo (imagen o PDF) que será analizado por Textract.

Páginas a procesar​

Indica qué páginas del PDF deben procesarse, separando páginas con comas e intervalos con guion, por ejemplo 1-3, 5. Déjalo vacío para procesar todas las páginas.

Analizar formularios​

Activa esta opción para extraer los pares clave-valor (formularios) del documento. Predeterminado: desactivado.

Analizar tablas​

Activa esta opción para extraer tablas estructuradas del documento. Predeterminado: desactivado.

Analizar preguntas​

Activa esta opción para enviar preguntas a Textract y obtener respuestas extraídas del documento. Predeterminado: desactivado.

Preguntas a responder​

Indica las preguntas que Textract debe responder con base en el contenido del documento. Disponible solo cuando Analizar preguntas esté activado.

Región​

Indica la región AWS donde el servicio Textract está configurado.

Clave de Acceso​

Indica la clave de acceso de la cuenta AWS.

Clave de Acceso Secreta​

Indica la clave de acceso secreta de la cuenta AWS.

Nombre del bucket​

Indica el nombre del bucket S3 utilizado para el procesamiento. El bucket debe estar en la misma región que el servicio Textract.

Tiempo de espera​

Indica el tiempo máximo (en segundos) que se esperará para que el análisis se complete. Predeterminado: 120.

Retornos​

Código Javascript​

js
actions["id-de-la-accion"].content // contenido del documento analizado por el OCR (Texto)
actions["id-de-la-accion"].words // palabras encontradas por el OCR (Lista)
actions["id-de-la-accion"].lines // líneas de palabras encontradas por el OCR (Lista)
actions["id-de-la-accion"].forms // formularios encontrados por el OCR (Lista)
actions["id-de-la-accion"].tables // tablas encontradas por el OCR (Lista)
actions["id-de-la-accion"].queries // respuestas encontradas por el OCR para las preguntas (Lista)

Selección de campos​

  • content — contenido del documento analizado por el OCR, con las líneas encontradas separadas por saltos de línea (Texto)
  • words — palabras encontradas por el OCR; cada elemento tiene content (la palabra) y page (Lista)
  • lines — líneas de palabras encontradas por el OCR; cada elemento tiene content (el texto de la línea) y page (Lista)
  • forms — formularios encontrados por el OCR; cada elemento tiene key, value y page (Lista)
  • tables — tablas encontradas por el OCR; cada elemento tiene headersContent, headersSize, valuesContent, valuesSize y page (Lista)
  • queries — respuestas encontradas por el OCR para las preguntas; cada elemento tiene content (la respuesta), alias y page (Lista)

Reglas y Condiciones​

  • Los campos Ruta del archivo, Región, Clave de Acceso, Clave de Acceso Secreta, Nombre del bucket y Tiempo de espera son obligatorios.
  • El bucket S3 debe estar en la misma región que el servicio Textract.
  • Para el análisis de preguntas, las preguntas deben indicarse previamente.
  • forms, tables y queries solo se completan cuando el análisis correspondiente está activado; de lo contrario, vienen vacíos.
  • Si el análisis no termina dentro del Tiempo de espera, el robot interrumpe la ejecución con error.