本文介绍如何构建一个系统，提取图像或文档中的文本并理解其含义。通过整合AWS的Textract、Comprehend和Bedrock服务，逐步提取文本、分析情感和关键短语，并解读文本。读者将学习如何在SageMaker Notebook上使用Python进行AI支持的数据分析。
Amazon Textract 是 AWS 的机器学习服务，可以自动从扫描文档中提取文本并识别布局元素。它适用于处理大量文档，如表格和报告，利用 OCR 和 ICR 技术提高识别精度。文章介绍了如何使用 Node.js 和 Serverless Framework 构建后端，以及用 React 和 TailwindCSS 构建前端，实现 PDF 文档的文本提取和布局展示，从而自动化大规模文档分析。
无服务器计算改变了应用构建方式，特别适合文档处理。AWS Textract结合Lambda和S3，实现自动化文本提取，适合处理不稳定的工作负载。同步适合小型文件，异步支持大文件和多页文档。通过配置Lambda和SNS，异步架构提供更高的灵活性和可扩展性，适合大规模文档处理。选择合适架构可在简单设置和复杂任务间取得平衡。
AWS发布多项新功能和活动，包括Amazon EBS、AWS Systems Manager、Amazon EC2、Amazon Textract、Amazon OpenSearch Service、Amazon Linux 2、Amazon Rekognition和Amazon RDS等。
作者正在寻找一种AI OCR解决方案，以从具有不同布局的文档中提取相关数据。他们需要一种可以使用自己的文档进行训练，并能够以至少80％的准确率检测和识别数据元素的解决方案。作者考虑了六个选项，但由于定价和透明度问题，排除了Rossum，Super和Eden。剩下的选择是AWS Textract，Microsoft Azure Document Intelligence和Google Cloud Document AI。在比较了这三个选项后，作者选择了Microsoft Azure，因为它易于使用，准确性高，并符合ISO标准。
完成下面两步后，将自动完成登录并继续当前操作。
