{"id":6013,"date":"2023-07-07T09:00:00","date_gmt":"2023-07-07T07:00:00","guid":{"rendered":"https:\/\/blog.besharp.it\/?p=6013"},"modified":"2023-07-07T12:36:01","modified_gmt":"2023-07-07T10:36:01","slug":"estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3","status":"publish","type":"post","link":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/","title":{"rendered":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3"},"content":{"rendered":"\n<p>Nell&#8217;era digitale, elaborare e gestire efficacemente grandi quantit\u00e0 di documenti \u00e8 una priorit\u00e0 per le aziende di ogni settore. Molte organizzazioni si trovano ad affrontare il compito di digitalizzare grandi volumi di documenti cartacei o di elaborare dati provenienti da documenti strutturati, come fatture o contratti, in modo automatico. In questo contesto, l&#8217;Optical Character Recognition (OCR) si \u00e8 rivelato uno strumento indispensabile per automatizzare i processi e migliorare l&#8217;efficienza complessiva.<\/p>\n\n\n\n<p>Tuttavia, riuscire ad estrarre il testo da un documento \u00e8 solo parte di quello di cui la maggior parte delle applicazioni hanno bisogno. Se vogliamo la si pu\u00f2 considerare una funzione primitiva. Spesso l\u2019obiettivo \u00e8 di estrarre specifiche informazioni, selezionando il testo in base alla struttura del documento.<\/p>\n\n\n\n<p>Per selezionare correttamente le informazioni di valore, diventa quindi importante ottenere informazioni sulla struttura del documento, come ad esempio su come il testo \u00e8 raggruppato, intabellato o sulla posizione occupata all\u2019interno della pagina.<\/p>\n\n\n\n<p>Trovare risposta a queste domande \u00e8 esattamente l&#8217;area in cui <strong>Amazon Textract<\/strong> si distingue.<\/p>\n\n\n\n<p>Oltre a fornire la capacit\u00e0 di estrarre testo da documenti, Amazon Textract \u00e8 in grado di <strong>identificare e restituire informazioni sulla struttura della pagina<\/strong>, aprendo la strada a una vasta gamma di possibilit\u00e0 di elaborazione dei dati.&nbsp;<\/p>\n\n\n\n<p>A differenza dei tradizionali software OCR, che richiedono configurazioni manuali e aggiornamenti continui per adattarsi ai cambiamenti dei moduli, Amazon Textract utilizza <strong>modelli di machine learning<\/strong> per elaborare qualsiasi tipo di documento, garantendo un&#8217;estrazione accurata di testo, scrittura a mano, tabelle e altri dati senza alcun intervento manuale.<\/p>\n\n\n\n<p>Senza ulteriori preamboli, passiamo quindi alla descrizione di uno use case.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Estrazione delle informazioni da una fattura<\/h2>\n\n\n\n<p>Per esplorare le potenzialit\u00e0 di Amazon Textract ci avvarremo di un caso (neanche troppo) ipotetico, in cui la necessit\u00e0 sia quella di estrarre in maniera automatica alcune informazioni dalle fatture degli acquisti aziendali, in modo da inserire gli importi e la data in un database che viene periodicamente importato nel software gestionale.<\/p>\n\n\n\n<p>Dobbiamo quindi costruire un <strong>sistema automatico<\/strong> in grado di estrarre l\u2019importo e la data dalle fatture che riceve. Per semplicit\u00e0, poniamo che le fatture abbiano tutte la medesima struttura perch\u00e8 provengono dal sito del fornitore da cui la nostra azienda si rifornisce di beni di consumo, anche se Textract pu\u00f2 tranquillamente analizzare fatture eterogenee.<\/p>\n\n\n\n<p>Le fatture sono documenti PDF pensati per essere letti da un umano. Contengono intestazioni, l\u2019immagine del logo del fornitore, testo e tabelle in diverse posizioni della pagina.<\/p>\n\n\n\n<p>Il sito invia tramite email una fattura per ogni ordine. Nel nostro scenario, l\u2019indirizzo fa riferimento ad un gruppo mail, pertanto possiamo fare in modo che il sistema automatico ne riceva una copia senza intaccare i processi che coinvolgono i nostri operatori.<\/p>\n\n\n\n<p>In questa situazione potremmo abbozzare la seguente soluzione ad alto livello<\/p>\n\n\n\n<p><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"576\" src=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1-1024x576.png\" alt=\"infrastructure schema Amazon Textract\" class=\"wp-image-6005\" srcset=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1-1024x576.png 1024w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1-400x225.png 400w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1-768x432.png 768w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1-1536x864.png 1536w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image1.png 1999w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure><\/div>\n\n\n<p><\/p>\n\n\n\n<p>Sottoscrivedo un indirizzo email ad-hoc al gruppo email possiamo indirizzare una copia delle email contenenti le fatture al nostro sistema.<\/p>\n\n\n\n<p>Per ricevere le email e processarle possiamo sfuttare Amazon SES; sebbene sia comunemente noto per l\u2019invio delle email in ambiente AWS, pu\u00f2 anche essere utilizzato per la ricezione e la conseguente integrazione con i servizi AWS utili all\u2019elaborazione delle email.&nbsp;<\/p>\n\n\n\n<p>La ricezione di email supporta diverse integrazioni, ma per il nostro caso quella pi\u00f9 pratica \u00e8 certamente quella con Amazon S3.<\/p>\n\n\n\n<p>Mediante l\u2019integrazione, Amazon SES salva un oggetto contenente i dati grezzi della mail, in formato MIME, sul bucket S3 designato. Questo ci consente quindi di mantenere lato AWS uno storico dei body raw di ogni messaggio ricevuto, utile sia per archiviazione sia per indagare eventuali malfunzionamenti.&nbsp;<\/p>\n\n\n\n<p>L\u2019utilizzo dello spazio di storage comporta costi minimi e, in caso di grandissime quantit\u00e0 di messaggi ricevuti, \u00e8 possibile ottimizzare il billing sfruttando tutte le funzioni di Amazon S3 come ad esempio le <strong>Lifecycle policy<\/strong> e le <strong>classi di storage<\/strong> a basso costo.<\/p>\n\n\n\n<p>A questo punto un S3 trigger entra in funzione, avviando una Lambda Function che si occupa di fare il parsing del corpo della mail ed estrarre l\u2019allegato. Il file pu\u00f2 essere quindi salvato in un bucket S3 dedicato.<\/p>\n\n\n\n<p>In questo articolo non esploreremo il codice necessario all\u2019estrazione degli allegati perch\u00e8 non \u00e8 il nocciolo di quanto intendiamo trattare. Tuttavia, esistono librerie per la maggior parte dei linguaggi pi\u00f9 diffusi che si occupano di semplifare il parsing e la manipolazione di dati in formato MIME. Per esempio, <a href=\"https:\/\/nodemailer.com\/extras\/mailparser\/\" target=\"_blank\" rel=\"noreferrer noopener\">questa<\/a> \u00e8 una libreria da cui partire per sviluppare la funzione usando NodeJs.<\/p>\n\n\n\n<p>A questo punto, se la fattura \u00e8 salvata in uno dei formati supportati da Amazon Textract, \u00e8 possibile procedere all\u2019estrazione delle informazioni. In caso contrario, \u00e8 possibile aggiungere una ulteriore funzione, oppure estendere quella che manipola la mail, per effettuare una conversione verso un formato universale, come ad esempio PDF.<\/p>\n\n\n\n<p>Un secondo trigger S3 avvia una Lambda function adibita ad invocare Amazon Textract passandogli in input l\u2019oggetto di cui effettuare l\u2019analisi. La lambda andr\u00e0 poi a navigare il risultato dell\u2019analisi per prelevare importo e data di emissione della fattura, e a salvare le informazioni interessate all\u2019interno del database.<\/p>\n\n\n\n<p>L\u2019integrazione con Amazon Textract \u00e8 piuttosto assistita ed esistono i metodi in tutti gli SDK di AWS per i principali linguaggi di programmazione, come boto3 per Python e l\u2019AWS SDK per JavaScript.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">La fattura di riferimento<\/h2>\n\n\n\n<p>Nel nostro scenario, useremo delle fatture generate da Amazon Business, che sono fatte pi\u00f9 o meno cos\u00ec:<\/p>\n\n\n\n<p><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"769\" height=\"1024\" src=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/invoice-43-1-769x1024.png\" alt=\"extracting data from invoice with textract\" class=\"wp-image-6032\" srcset=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/invoice-43-1-769x1024.png 769w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/invoice-43-1-225x300.png 225w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/invoice-43-1-768x1023.png 768w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/invoice-43-1-1154x1536.png 1154w\" sizes=\"(max-width: 769px) 100vw, 769px\" \/><\/figure><\/div>\n\n\n<p><\/p>\n\n\n\n<p>Il documento presenta il totale sia fuori dalla tabella con il dettaglio, sia in fondo alla tabella.<\/p>\n\n\n\n<p>Si tratta di un elemento da tenere in considerazione, perch\u00e8 potremo selezionare il totale pi\u00f9 facile da individuare con Textract, o costruire logiche per cercare il totale sia in tabella che fuori, e selezionare quello presente o se presenti entrambi e di diverso valore, quello con la confidenza maggiore.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">L\u2019API di Textract<\/h2>\n\n\n\n<p>Il servizio mette a disposizione diverse chiamate API, sia di tipo sincrono che di tipo asincrono.<\/p>\n\n\n\n<p>Le versioni sincrone permettono di inviare un documento per un&#8217;analisi immediata e la risposta alla chiamata API \u00e8 il risultato stesso dell\u2019analisi. Queste chiamate API presentano importanti limitazioni sui formati accettati, e sul fatto che il chiamante deve necessariamente attendere il termine dell\u2019analisi, il che pu\u00f2 richiedere diversi secondi.<\/p>\n\n\n\n<p>Le versioni asincrone, invece, restituiscono immediatamente un JOBID mediante il quale \u00e8 possibile richiedere il risultato dell\u2019analisi in un secondo momento. Esiste anche un meccanismo per <a href=\"https:\/\/docs.aws.amazon.com\/textract\/latest\/dg\/api-async.html\" target=\"_blank\" rel=\"noreferrer noopener\">ottenere notifica dell\u2019avvenuta analisi mediante SNS<\/a>; in sintesi \u00e8 possibile specificare il topic SNS quando si avvia l\u2019analisi asincrona.<\/p>\n\n\n\n<p>Occorre considerare accuratamente l\u2019utilizzo della versione asincrona, soprattutto se la computazione \u00e8 basata su Lambda. Questo consente di disaccoppiare meglio le componenti infrastrutturali, di costruire meccanismi di retry robusti, aumentando l\u2019alta affidabilit\u00e0 complessiva della soluzione e riducendo i costi eliminando il pagamento del tempo di computazione Lambda occupato dall\u2019attesa sincrona del risultato dell\u2019analisi.<\/p>\n\n\n\n<p>Al momento in cui sto scrivendo questo articolo, le chiamate API disponibili sono le seguenti:&nbsp;<\/p>\n\n\n\n<ul>\n<li>analyze-document<\/li>\n\n\n\n<li>analyze-expense<\/li>\n\n\n\n<li>analyze-id<\/li>\n\n\n\n<li>detect-document-text<\/li>\n\n\n\n<li>get-document-analysis<\/li>\n\n\n\n<li>get-document-text-detection<\/li>\n\n\n\n<li>get-expense-analysis<\/li>\n\n\n\n<li>get-lending-analysis<\/li>\n\n\n\n<li>get-lending-analysis-summary<\/li>\n\n\n\n<li>start-document-analysis<\/li>\n\n\n\n<li>start-document-text-detection<\/li>\n\n\n\n<li>start-expense-analysis<\/li>\n\n\n\n<li>start-lending-analysis<\/li>\n<\/ul>\n\n\n\n<p>Per il nostro caso possiamo sfruttare la funzione <strong>analyze-expenses<\/strong>, che utilizza un modello appositamente addestrato per riconoscere ed estrarre dati finanziari da documenti come ad esempio le fatture.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Navigare l\u2019esito delle analisi di Textract<\/h2>\n\n\n\n<p>La risposta dell\u2019analisi di Amazon Textract pu\u00f2 essere estremamente verbosa e contiene tantissime informazioni sulle parti di documento scoperte.<\/p>\n\n\n\n<p><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"572\" height=\"579\" src=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image2.png\" alt=\"Textract response example\" class=\"wp-image-6008\" srcset=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image2.png 572w, https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/image2-296x300.png 296w\" sizes=\"(max-width: 572px) 100vw, 572px\" \/><\/figure><\/div>\n\n\n<p><\/p>\n\n\n\n<p>Come \u00e8 possibile vedere dall\u2019immagine precedente, una fattura media pu\u00f2 produrre una risposta di oltre 34.000 righe.<\/p>\n\n\n\n<p>La risposta della funzione <strong>analyze-expenses <\/strong>si compone di 3 macroblocchi:<\/p>\n\n\n\n<ol>\n<li>SummaryFields<\/li>\n\n\n\n<li>LineItemGroups<\/li>\n\n\n\n<li>Blocks<\/li>\n<\/ol>\n\n\n\n<p>Nella sezione <strong>SummaryFields<\/strong> vengono raccolte ed etichettate tutte le informazioni che Amazon Textract trova al di fuori di una tabella.<\/p>\n\n\n\n<p>Nella sezione <strong>LineItemGroups<\/strong> vengono invece raccolti, separati per riga, tutte le informazioni presenti all\u2019interno delle tabelle.<\/p>\n\n\n\n<p>In <strong>Block<\/strong> \u00e8 possibile trovare tutti i blocchi di testo trovati da textract, con informazioni sui bounding box e la posizione all\u2019interno della pagina. Questa sezione \u00e8 quella che contiene i dati di pi\u00f9 basso livello, ed \u00e8 la sezione che sarebbe stata restituita eseguendo la generica funzione di analyze-document.<\/p>\n\n\n\n<p>Per le fatture che stiamo prendendo in esame, useremo i dati estrapolati da SummaryFields, dove possiamo trovare gi\u00e0 etichettati per tipo i riferimenti agli importi ed alle date.<\/p>\n\n\n\n<p>Questo \u00e8 un frammento del primo elemento del vettore SummaryFields, la chiamata \u00e8 relativa all\u2019analisi di una fattura Amazon Business.<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>{\n    \"ExpenseIndex\": 1,\n    \"SummaryFields\": &#91;\n        {\n            \"Type\": {\n                \"Text\": \"ADDRESS\",\n                \"Confidence\": 59.766048431396484\n            },\n            \"LabelDetection\": {\n                \"Text\": \"Venduto da\",\n                \"Geometry\": {\n                    \"BoundingBox\": {\n                        \"Width\": 0.08296574652194977,\n                        \"Height\": 0.008674301207065582,\n                        \"Left\": 0.6447910070419312,\n                        \"Top\": 0.3040856122970581\n                    },\n                    \"Polygon\": &#91;\n                        {\n                            \"X\": 0.6447910070419312,\n                            \"Y\": 0.30408763885498047\n                        } \u2026 ,\n                    ]\n                },\n                \"Confidence\": 95.342376708984375\n            },\n            \"ValueDetection\": {\n                \"Text\": \"Amazon EU S. r.l. Succursale Italiana\\nViale Monte Grappa 3\/5\\n20124 Milano\\nItalia\",\n                \"Geometry\": {\n                    \"BoundingBox\": {\n                        \"Width\": 0.21900421380996704,\n                        \"Height\": 0.055659566074609756,\n                        \"Left\": 0.6449917554855347,\n                        \"Top\": 0.3213878870010376\n                    },\n                    \"Polygon\": &#91;\n                        {\n                            \"X\": 0.6449917554855347,\n                            \"Y\": 0.32139283418655396\n                        } \u2026,                    ]\n                },\n                \"Confidence\": 56.650238037109375\n            },\n            \"PageNumber\": 1,\n            \"GroupProperties\": &#91;\n                {\n                    \"Types\": &#91;\n                        \"RECEIVER\"\n                    ],\n                    \"Id\": \"42d41651-ba4a-4fc5-97ce-f9b34d1d987d\"\n                }\n            ]\n        }\n<\/code><\/pre>\n\n\n\n<p>Alcuni dettagli sulle geometrie sono stati tagliati dal JSON per brevit\u00e0 e perch\u00e8 irrilevanti al fine della nostra trattazione.<\/p>\n\n\n\n<p>Come \u00e8 possibile notare, \u00e8 disponibile una grande quantit\u00e0 di informazioni sul frammento di testo estratto. Per esempio, nel campo Type \u00e8 possibile conoscere che il frammento catturato \u00e8 testo, e che contiene un indirizzo.<\/p>\n\n\n\n<p>Poco sotto, l\u2019oggetto LabelDetection ci dice che la label associata all\u2019indirizzo \u00e8 \u201cVenduto da\u201d. Continuando a scorrere saltando tutte le informazioni sulla posizione e sui bounding box possiamo arrivare alla sezione ValueDetection, che contiene il valore corretto dell\u2019indirizzo dell\u2019esercente.<\/p>\n\n\n\n<p>Per trovare le informazioni che ci servono non dobbiamo fare altro che scorrere il vettore di oggetti SummaryFields e cercare nel campo Type la stringa \u201cTOTAL\u201d.<\/p>\n\n\n\n<p>Textract trover\u00e0 pi\u00f9 totali, almeno sul documento di esempio, perch\u00e8 la cifra \u00e8 riportata pi\u00f9 volte e ci sono totali parziali. Nel caso specifico, il campo pi\u00f9 sicuro da estrarre \u00e8 quello individuato con il tipo TOTAL, che ha anche la confidenza maggiore. Ulteriore riprova si pu\u00f2 avere analizzando il campo LabelDetection, che conterr\u00e0 il testo a descrizione del campo, nel nostro caso \u201cTotale fattura\u201d<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>\"Type\": {\n        \"Text\": \"TOTAL\",\n        \"Confidence\": 96.169677734375\n    },\n    \"LabelDetection\": {\n        \"Text\": \"Totale fattura\",\n        \"Geometry\": {\n            \"BoundingBox\": {\n                \"Width\": 0.10979866981506348,\n                \"Height\": 0.010328351520001888,\n                \"Left\": 0.49856579303741455,\n                \"Top\": 0.6540638208389282\n            },\n            \"Polygon\": &#91;\n                {\n                    \"X\": 0.49856579303741455,\n                    \"Y\": 0.6540638208389282\n                }...,\n            ]\n        },\n        \"Confidence\": 95.28824615478516\n    },\n    \"ValueDetection\": {\n        \"Text\": \"64,99\",\n        \"Geometry\": {\n            \"BoundingBox\": {\n                \"Width\": 0.06178450211882591,\n                \"Height\": 0.011797532439231873,\n                \"Left\": 0.8738263249397278,\n                \"Top\": 0.6542784571647644\n            },\n            \"Polygon\": &#91;\n                {\n                    \"X\": 0.8738263249397278,\n                    \"Y\": 0.6542784571647644\n                }...,\n            ]\n        },\n        \"Confidence\": 64.54907989501953\n    },\n    \"PageNumber\": 1,\n    \"Currency\": {\n        \"Code\": \"EUR\"\n    }\n}\n<\/code><\/pre>\n\n\n\n<p>Il valore individuato nella sezione ValueDetection \u00e8 il totale corretto di 64,99 Euro.<\/p>\n\n\n\n<p>Allo stesso modo possiamo trovare anche le date di emissione e, se disponibili, quelle di scadenza.<\/p>\n\n\n\n<p>Alcuni tipi utili che Amazon Textract \u00e8 in grado di identificare sono:<\/p>\n\n\n\n<ul>\n<li>TOTAL<\/li>\n\n\n\n<li>AMOUNT_DUE<\/li>\n\n\n\n<li>VENDOR_ADDRESS<\/li>\n\n\n\n<li>VENDOR_NAME<\/li>\n\n\n\n<li>RECEIVER_NAME<\/li>\n\n\n\n<li>SUBTOTAL<\/li>\n\n\n\n<li>OTHER<\/li>\n<\/ul>\n\n\n\n<p>Utilizzando OTHER e il testo individuato da textract come label \u00e8 possibile estrarre campi personalizzati.<\/p>\n\n\n\n<p>Certamente, utilizzare il campo Type per trovare i valori notevoli rende la soluzione in grado di interpretare fatture con struttura eterogenea e sfrutta a pieno il modello di ML specializzato che Amazon ha realizzato. Tuttavia, in caso il labeling di Amazon Textract non fosse sufficientemente preciso per gli scopi specifici, \u00e8 possibile ignorare il campo type e procedere scorrendo le coppie Label value individuate, cercando in label delle parole chiave per identificare i valori di interesse.<\/p>\n\n\n\n<p>\u00c8 sufficiente una singola chiamata API per ottenere tutti i dati presenti nel documento.<\/p>\n\n\n\n<p>La parte pi\u00f9 tediosa \u00e8 fare qualche prova per capire quali informazioni vengono correttamente classificate e per quali invece occorre implementare un riconoscimento basato sulle label o su una combinazione di label e tipo riconosciuto.<\/p>\n\n\n\n<p>Occorre ovviamente implementare una solida logica di <strong>fallback<\/strong>, in caso in cui non si trovino tutte le informazioni o la confidenza risulti sotto una soglia definibile per marcare il documento per un&#8217;analisi manuale.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusioni<\/h2>\n\n\n\n<p>In questo articolo abbiamo visto come Amazon Textract possa semplificare il processo di estrazione dei dati rilevanti da un documento di fattura, senza richiedere una configurazione manuale o una conoscenza approfondita del formato del documento.<\/p>\n\n\n\n<p>Abbiamo anche illustrato le principali caratteristiche dell&#8217;API di Textract, che permette di analizzare le fatture e i documenti finanziari in modo rapido ed accurato, restituendo i dati in un formato strutturato e facilmente utilizzabile.<\/p>\n\n\n\n<p>Questa soluzione pu\u00f2 essere applicata a diversi scenari, non solo a quello ipotetico presentato, ed \u00e8 possibile personalizzare le integrazioni per gestire scenari variegati.<\/p>\n\n\n\n<p>Qual \u00e8 secondo voi l\u2019impiego perfetto per Amazon Textract? Fatecelo sapere!<\/p>\n\n\n\n<p>A presto con un nuovo articolo dal mondo AI\/ML su AWS!<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h4 class=\"wp-block-heading\">About Proud2beCloud<\/h4>\n\n\n\n<p>Proud2beCloud \u00e8 il blog di&nbsp;<a href=\"https:\/\/www.besharp.it\/\" target=\"_blank\" rel=\"noreferrer noopener\">beSharp<\/a>, APN Premier Consulting Partner italiano esperto nella progettazione, implementazione e gestione di infrastrutture Cloud complesse e servizi AWS avanzati. Prima di essere scrittori, siamo Solutions Architect che, dal 2007, lavorano quotidianamente con i servizi AWS. Siamo innovatori alla costante ricerca della soluzione pi\u00f9 all&#8217;avanguardia per noi e per i nostri clienti. Su Proud2beCloud condividiamo regolarmente i nostri migliori spunti con chi come noi, per lavoro o per passione, lavora con il Cloud di AWS. Partecipa alla discussione!<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nell&#8217;era digitale, elaborare e gestire efficacemente grandi quantit\u00e0 di documenti \u00e8 una priorit\u00e0 per le aziende di ogni settore. Molte [&hellip;]<\/p>\n","protected":false},"author":8,"featured_media":6027,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[247],"tags":[251,658,263],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.9.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3 - Proud2beCloud Blog<\/title>\n<meta name=\"description\" content=\"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3\" \/>\n<meta property=\"og:description\" content=\"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!\" \/>\n<meta property=\"og:url\" content=\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/\" \/>\n<meta property=\"og:site_name\" content=\"Proud2beCloud Blog\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-07T07:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-07-07T10:36:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/Copertina-blog-07-07-23_07-07-social-eng.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"628\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Alessio Gandini\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3\" \/>\n<meta name=\"twitter:description\" content=\"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/Copertina-blog-07-07-23_07-07-social-eng.png\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Alessio Gandini\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/\",\"url\":\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/\",\"name\":\"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3 - Proud2beCloud Blog\",\"isPartOf\":{\"@id\":\"https:\/\/blog.besharp.it\/it\/#website\"},\"datePublished\":\"2023-07-07T07:00:00+00:00\",\"dateModified\":\"2023-07-07T10:36:01+00:00\",\"author\":{\"@id\":\"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/e7262d28e51528c2e420327f9b18cd43\"},\"description\":\"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!\",\"breadcrumb\":{\"@id\":\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/blog.besharp.it\/it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/blog.besharp.it\/it\/#website\",\"url\":\"https:\/\/blog.besharp.it\/it\/\",\"name\":\"Proud2beCloud Blog\",\"description\":\"il blog di beSharp\",\"alternateName\":\"Proud2beCloud Blog\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/blog.besharp.it\/it\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/e7262d28e51528c2e420327f9b18cd43\",\"name\":\"Alessio Gandini\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/eeb98518768d999bff24f8358b464fe2?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/eeb98518768d999bff24f8358b464fe2?s=96&d=mm&r=g\",\"caption\":\"Alessio Gandini\"},\"description\":\"Cloud-native Development Line Manager @ beSharp, DevOps Engineer e AWS expert. Computer geek da quando avevo 6 anni, appassionato di informatica ed elettronica a tutto tondo. Ultimamente sto esplorando l'esperienza utente vocale e il mondo dell'IoT. Appassionato di cinema e grande consumatore di serie TV, videogiocatore della domenica.\",\"url\":\"https:\/\/blog.besharp.it\/it\/author\/alessio-gandini\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3 - Proud2beCloud Blog","description":"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/","og_locale":"it_IT","og_type":"article","og_title":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3","og_description":"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!","og_url":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/","og_site_name":"Proud2beCloud Blog","article_published_time":"2023-07-07T07:00:00+00:00","article_modified_time":"2023-07-07T10:36:01+00:00","og_image":[{"width":1200,"height":628,"url":"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/Copertina-blog-07-07-23_07-07-social-eng.png","type":"image\/png"}],"author":"Alessio Gandini","twitter_card":"summary_large_image","twitter_title":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3","twitter_description":"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!","twitter_image":"https:\/\/blog.besharp.it\/wp-content\/uploads\/2023\/07\/Copertina-blog-07-07-23_07-07-social-eng.png","twitter_misc":{"Scritto da":"Alessio Gandini","Tempo di lettura stimato":"12 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/","url":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/","name":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3 - Proud2beCloud Blog","isPartOf":{"@id":"https:\/\/blog.besharp.it\/it\/#website"},"datePublished":"2023-07-07T07:00:00+00:00","dateModified":"2023-07-07T10:36:01+00:00","author":{"@id":"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/e7262d28e51528c2e420327f9b18cd43"},"description":"Amazon Textract semplifica il processo di estrazione dei dati rilevanti da documenti strutturati. Vediamo come utilizzarlo al meglio!","breadcrumb":{"@id":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/blog.besharp.it\/it\/estrazione-di-dati-da-documenti-strutturati-con-amazon-textract-aws-lambda-e-amazon-s3\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/blog.besharp.it\/it\/"},{"@type":"ListItem","position":2,"name":"Estrazione di dati da documenti strutturati con Amazon Textract, AWS Lambda e Amazon S3"}]},{"@type":"WebSite","@id":"https:\/\/blog.besharp.it\/it\/#website","url":"https:\/\/blog.besharp.it\/it\/","name":"Proud2beCloud Blog","description":"il blog di beSharp","alternateName":"Proud2beCloud Blog","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/blog.besharp.it\/it\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/e7262d28e51528c2e420327f9b18cd43","name":"Alessio Gandini","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/blog.besharp.it\/it\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/eeb98518768d999bff24f8358b464fe2?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/eeb98518768d999bff24f8358b464fe2?s=96&d=mm&r=g","caption":"Alessio Gandini"},"description":"Cloud-native Development Line Manager @ beSharp, DevOps Engineer e AWS expert. Computer geek da quando avevo 6 anni, appassionato di informatica ed elettronica a tutto tondo. Ultimamente sto esplorando l'esperienza utente vocale e il mondo dell'IoT. Appassionato di cinema e grande consumatore di serie TV, videogiocatore della domenica.","url":"https:\/\/blog.besharp.it\/it\/author\/alessio-gandini\/"}]}},"_links":{"self":[{"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/posts\/6013"}],"collection":[{"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/comments?post=6013"}],"version-history":[{"count":0,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/posts\/6013\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/media\/6027"}],"wp:attachment":[{"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/media?parent=6013"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/categories?post=6013"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.besharp.it\/it\/wp-json\/wp\/v2\/tags?post=6013"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}