我希望在 AWS S3 存盤桶中的多個 pdf 中搜索兩個單詞。但是，我不想在本地機器上下載這些檔案，而是如果搜索部分可以通過 URL 直接在這些 pdf 上運行。請注意，這些 PDF 位于存盤桶內的多個子目錄中（例如 year 檔案夾，然后是月份檔案夾，然后是 date ）。
uj5u.com熱心網友回復：
Amazon S3 沒有“搜索”功能。它是一種“簡單的存盤服務”。
您需要將這些檔案下載到某種形式的計算平臺（例如 EC2、Lambda 或您自己的計算機）并執行搜索，或者您可以使用Amazon OpenSearch Service等服務對檔案進行預索引，然后發送查詢到搜索服務。
uj5u.com熱心網友回復：
運行 PDF 的直接掃描以搜索 S3 存盤桶中的文本是困難的：
- 一些 PDF 包含嵌入在影像中的文本（它們以文本形式不可讀）
- 如果您想下載 PDF 而不保存它，請考慮使用記憶體優化的機器，不要將檔案存盤在虛擬機的硬碟驅動器中，而是使用記憶體中的流。
- 為了繞過影像中的文本，您需要使用 OCR 邏輯，這也很難執行。您可能希望使用 AWS Textract 或 Google Vision 進行 OCR。如果合規性和安全性是一個問題，您可以使用 Tesseract。
- 如果無論如何您有可靠的 OCR 解決方案，我建議在上傳事件發生后運行文本提取作業，這將為您節省大量資金來支付您將使用的任何 OCR 服務，它還將啟用您的組織在 AWS OpenSearch等搜索友好型服務中以文本格式快取 pdf 的內容
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/422510.html
標籤：
下一篇：無法創建s3會話