FinBank reçoit des factures PDF de plusieurs pages (3 à 10 pages chacune) dans un compartiment S3 et doit extraire des champs structurés clé/valeur (InvoiceNumber, InvoiceDate, InvoiceTotal) et persister les résultats dans DynamoDB. Plusieurs équipes ont essayé DetectDocumentText, mais l'appariement clé/valeur n'est pas fiable. Quelle est l'approche et la configuration Textract la plus appropriée pour extraire de manière fiable des champs de formulaire structurés à l'échelle dans cet environnement AWS ?

L'approche correcte utilise StartDocumentAnalysis avec FeatureTypes=['FORMS'] car elle est conçue pour extraire des paires clé-valeur structurées (formulaires) de documents, ce qui est précisément ce qui est demandé pour les champs de facture. L'opération asynchrone est essentielle pour les documents de plusieurs pages (3 à 10 pages), car les opérations synchrones ont des limites de taille et de temps. L'analyse des blocs KEYVALUESET et de leurs RELATIONSHIPS dans les résultats du travail est la méthode standard pour reconstruire les paires clé-valeur. Le rôle de service est nécessaire pour les permissions. Les autres options sont incorrectes car : AnalyzeDocument synchrone n'est pas adapté aux documents de plusieurs pages et FeatureTypes=['TABLES'] est pour les tableaux, pas les formulaires. Amazon Comprehend est pour l'extraction d'entités nommées et l'analyse de texte, pas pour l'extraction de paires clé-valeur structurées à partir de documents. AnalyzeExpense est une excellente option pour les factures, mais la question demande spécifiquement l'approche et la configuration Textract la plus appropriée, et la première option décrit l'utilisation de Textract pour cette tâche.