Amazon Textractの魅力
Amazon Textractは、文書からテキストを抽出して分析するためのサーバーレスな分析サービスです。アプリケーション開発者は、テキスト、数式、テーブルを検出して抽出する技術的な作業を単純化することができます。文書からデータを抽出できるため、OCRなどの伝統的なテクノロジーよりも、容易に変換・取得が行える点が最大の魅力であると言えます。
Textractの使い方
Textract開発プロセスは、次のような手順に従って行われます。まず、Amazon Web Services(AWS)コンソール上で、開発者はTextractを作成し、サービスコードを作成します。サービスコードを作成したら、文書をアップロードし、テキスト抽出のリクエストを行うことができます。次のサンプルコードを用いて、Textractを使って文書を抽出する方法が示されています。
import boto3
client = boto3.client('textract')
response = client.detect_document_text(
Document = {
'S3Object': {
'Bucket': 'DOCUMENT_BUCKET',
'Name': 'DOCUMENT'
}
})
for item in response["Blocks"]:
if item["BlockType"] == "LINE":
print ('\033[94m' + item["Text"] + '\033[0m')
Textractの用途
Amazon Textractを用いることで、多様なアプリケーションに関する開発活動を効率化することができます。例えば、レース受付業務などのスキャンされた入力情報を自動で抽出し、ＤＢなどへ登録するプログラムを開発することが可能です。また、口座明細票などの文書の情報を正確に抽出して、科学的な金銭管理アプリなどもあわせて開発できます。
Textractの未來展望
Amazon Textractは、コスト効率的なテクノロジーを用いて多様なタスクに取り組む開発者を助ける待望のテクノロジーと言えますが、将来的な革新も期待できます。未来のTextractには、スキャンされた文書を自動で変換して送信できるようです。また、ジオタグ情報を使い未登録の文書特定をしたり、問い合わせを行う文書を検出するアルゴリズムなど、さまざまなテクノロジーが実現して、開発者の作業を大幅に省力化します。