Laravel中无需上传至S3即可调用Textract分析上传PDF是否可行？

核心结论 #

不需要强制上传到S3，两种调用模式可选，可根据你的业务场景适配：

• 如果你处理的是单页PDF、文件大小不超过10MB，可以直接用同步API把用户上传的文件二进制流直接传给Textract，完全不用走S3存储
• 如果你处理的是多页PDF、单文件超过10MB，就必须用异步API，这种场景下Textract要求源文件必须存放在S3 bucket中，没有绕过方案

Laravel端直接传PDF流的实现方式 #

用户上传的PDF可以直接在控制器里拿到二进制内容，不需要落盘也不需要传到S3，直接调用Textract的AnalyzeDocument或者DetectDocumentText同步接口即可，参考实现逻辑：

// 先安装AWS SDK for PHP
// composer require aws/aws-sdk-php
use Aws\Textract\TextractClient;

public function parsePdf(Request $request)
{
    // 验证上传文件格式和大小
    $request->validate([
        'pdf_file' => 'required|file|mimes:pdf|max:10240', // 限制10MB以内，适配同步接口要求
    ]);

    // 直接获取上传文件的二进制内容
    $pdfContent = file_get_contents($request->file('pdf_file')->getPathname());

    // 初始化Textract客户端
    $textractClient = new TextractClient([
        'version' => 'latest',
        'region' => '替换为你的AWS区域，如us-east-1',
        'credentials' => [
            'key' => '你的AWS_ACCESS_KEY_ID',
            'secret' => '你的AWS_SECRET_ACCESS_KEY',
        ]
    ]);

    // 调用同步识别接口，直接传Bytes参数，无需配置S3相关参数
    $result = $textractClient->detectDocumentText([
        'Document' => [
            'Bytes' => $pdfContent,
        ]
    ]);

    // 处理返回的识别结果
    $extractedText = '';
    foreach ($result['Blocks'] as $block) {
        if ($block['BlockType'] === 'LINE') {
            $extractedText .= $block['Text'] . PHP_EOL;
        }
    }

    return response()->json([
        'extracted_text' => $extractedText
    ]);
}

注意事项 #

• 同步接口仅支持单页PDF，即使多页PDF大小在10MB以内，Textract也只会返回第一页的识别结果
• 生产环境不要把AWS凭证硬写到代码中，建议用IAM角色、环境变量或者AWS Secrets Manager管理凭证
• 如果业务需要处理多页PDF，只能先将用户上传的文件传到S3，再调用StartDocumentTextDetection这类异步接口，待识别完成后拉取结果，该场景没有跳过S3的方案

内容的提问来源于stack exchange，提问作者Albert