使用AWS Comprehend识别PII后无法读取输出文件求助

先搞懂.out文件是什么 #

Comprehend异步PII检测任务的输出文件（比如xxx.png.out）本质是gzip压缩的JSON文件，只是没带.gz扩展名。不管你分析的源文件是图片、文本还是其他格式，输出都是这个压缩格式的结果文件。

步骤1：解压获取JSON结果 #

本地处理 #

把.out文件重命名为xxx.out.gz，然后用普通解压工具（比如WinRAR、7-Zip、macOS自带解压）打开，就能得到里面的JSON格式结果文件。

AWS CLI直接处理 #

用AWS命令行工具直接下载并解压到本地：

aws s3 cp s3://你的输出存储桶路径/xxx.png.out - | gunzip > pii_results.json

步骤2：转成可读的报告格式 #

格式化JSON查看 #

用终端工具jq格式化JSON，直接在命令行查看清晰结构：

jq '.' pii_results.json

或者用VS Code、Notepad++等编辑器的JSON格式化插件打开，会自动排版成易读的结构。

导出为CSV/Excel（推荐） #

如果想要表格形式的报告，用jq提取关键PII信息导出成CSV：

jq -r '.Entities[] | [.Type, .Text, .BeginOffset, .EndOffset] | @csv' pii_results.json > pii_report.csv

这个命令会把识别到的PII类型、匹配文本、位置偏移量导出成CSV，直接用Excel打开就能查看。

后续优化：自动生成可读报告 #

如果不想每次手动处理，可以在创建Comprehend任务时设置S3事件触发Lambda，当输出文件存入S3后，自动执行解压、格式转换（比如转成HTML表格或CSV），再把最终报告存回指定S3路径。

内容的提问来源于stack exchange，提问作者Lele