QBO3中TextractEngine无法提取数据的原因咨询

• 文档格式与质量问题

  • 如果你的PDF是扫描生成的图像型文件，而非原生可编辑文本PDF，Textract的识别精度会受分辨率、对比度、文档倾斜度影响。比如文档模糊、有褶皱或阴影，都会让Textract无法准确识别"APN""Parcel No.""Tax ID"这类标签及对应值。
  • 若文档采用复杂布局（多栏排版、嵌套表格、水印覆盖字段），Textract的字段关联逻辑可能无法匹配标签和对应内容。

• Textract引擎模式与配置问题

  • 若当前TextractEngine用的是基础文本提取模式（DetectDocumentText）而非表单分析模式（AnalyzeDocument），只会提取纯文本，不会识别键值对，自然无法关联标签和APN值。
  • 即使启用了表单分析，若未针对"APN""Parcel No.""Tax ID"这些标签配置键值对映射，Textract可能无法将这些自定义标签与目标字段关联。

• 标签格式不匹配

  • 文档中的标签可能和规则存在差异：比如规则里是“Parcel No.”，但文档里是“Parcel Number”；规则里是无符号的“APN”，文档里是带冒号的“APN:”；或者大小写不一致（如“apn”而非“APN”），这些都会导致Textract无法匹配到目标标签。
  • 标签和对应值的排版距离过远，或不在同一行/区域，Textract的键值对关联算法无法将二者绑定，导致提取失败。

• QBO3封装层的限制

  • QBO3对Textract的封装可能有默认过滤规则，比如只提取特定区域内容，或对结果做了预处理，导致符合条件的APN值被过滤。
  • 可能未正确传递Textract API参数，比如未开启FeatureTypes中的FORMS选项，导致Textract不执行表单键值对分析。

内容的提问来源于stack exchange，提问作者Eric Patrick