aws-pdf-textract-pipeline：数据管道，用于从Web抓取PDF并使用AWS textract将其内容转换为结构化数据。 使用AWS CDK + TypeScript构建下载

aws-pdf-textract-pipeline :magnifying_glass_tilted_left: 数据管道，用于从Web上检索PDF并使用将其内容转换为结构化数据。 使用AWS CDK + TypeScript构建。 这是一个示例数据管道，它说明了用于大规模无服务器PDF处理的一种可能方法-它应该为根据自己的目的进行修改提供良好的基础。 入门 运行以下命令以安装依赖项，构建CDK堆栈并将CDK堆栈部署到AWS。 yarn install yarn build cdk bootstrap cdk deploy 总览 以下是此CDK堆栈执行的每个过程的概述。 从网站抓取PDF下载URL 从网站上收集数据。 将PDF下载URL存储在DynamoDB中 将PDF下载到S3 在DynamoDB中创建新的PDF下载URL时，将触发lambda。 使用AWS Textract处理PDF 将PDF下载到S3存储桶后，另一个lambda触发。 处理AWS Textract结果 从AWS Textract检测到SNS事件时，将触发lambda来处理结果。 将处理