不使用Amazon S3能否调用Amazon Textract提取PDF文件信息？

能否不将PDF上传至S3直接调用Textract服务，取决于你使用的API类型和待处理PDF的属性

• 处理**单页PDF（文件体积≤5MB）**时，可直接调用同步API，无需上传到S3
  • 调用时直接在Document参数中传入本地PDF的字节流（若直接调用REST接口，传入字节流的Base64编码即可），无需指定S3存储路径
  • 注意同步API仅支持单页PDF输入，多页PDF即使体积符合要求也会调用失败
• 处理多页PDF或体积超过5MB的PDF时，必须使用异步API，该类接口仅支持S3存储对象作为输入，无绕过S3的方案
  • 异步API的设计定位就是处理大体积、多页的长文档，服务端需要持久化存储源支撑异步任务拉取处理，因此强制要求输入文件存放在S3中

Python SDK调用示例（单页本地PDF） #

import boto3

# 初始化Textract客户端，需提前配置好AWS身份凭证
textract_client = boto3.client('textract')

# 读取本地单页PDF文件
with open("本地测试文件.pdf", "rb") as pdf_file:
    pdf_content = pdf_file.read()

# 调用同步分析接口，直接传入字节流
response = textract_client.analyze_document(
    Document={
        'Bytes': pdf_content
    },
    FeatureTypes=["TABLES", "FORMS"] # 可按需调整要提取的特征类型
)

# 后续逻辑处理返回的识别结果
print(response)

内容的提问来源于stack exchange，提问作者jkortner