AWS Rekognitionの出力結果をjsonファイルに出力し、S3バケットに保存したい。

Question

お世話になります。
AWSおよび、Python初学者で右も左もわからず困っている状況です…。

実現したいこと

AWS Rekognitionの画像からテキストをOCRする機能(TextDetection)を、AWS Lambdaで使用して、出力結果をJsonファイルに落とし込み、S3に出力結果のJsonファイルを保存しようと試みています。

Rekognitonのマネジメントコンソール上で、手動でテキスト出力した結果のままを、JSONファイルに記載し、S3バケットに保存したいのですが、
現状、抽出されたテキストのみ出力されるされるような結果となっています。

以下のような流れで実現しようとしています。

①S3バケットにjpgファイルを格納
②Lambdaが①のバケットを確認し、jpgファイルがある場合はLambdaが①で格納した
ファイル名を抽出し、file_list.txtを作成。
③Lambdaのtmpに②のfile_list.txtを格納。
④LambdaがRekognitionを呼び出し、file_list.txtに記載されているファイル名をS3から取得。RekognitionでOCRを実施する。
⑤出力結果をJsonファイルに記載し、s3バケットにアップロード。

実際にS3バケットに格納された出力結果は、下記のようになっております。

Detected text:THEMENT
Detected text:XKR

実現したいこと

上記のような結果ではなく、最終的にマネジメントコンソールで手動でRekognitionを実施したそのままの結果の形で、出力された結果を、JSONファイルでS3に保存したいと考えております。下記のような形式となります。
解決策をご教示いただけないでしょうか。
よろしくお願いいたします。

{
   "TextDetections": [ 
      { 
         "Confidence": number,
         "DetectedText": "string",
         "Geometry": { 
            "BoundingBox": { 
               "Height": number,
               "Left": number,
               "Top": number,
               "Width": number
            },
            "Polygon": [ 
               { 
                  "X": number,
                  "Y": number
               }
            ]
         },
         "Id": number,
         "ParentId": number,
         "Type": "string"
      }
   ],
   "TextModelVersion": "string"
}

試したこと

実装したコードは下記のとおりです。

from __future__ import print_function
import json
import boto3
import os
import urllib
from boto3 import Session


print('Loading function')


# バケット名,オブジェクト名
BUCKET_NAME = 'S3バケットの名称'
S3KeyPrefix = 'S3のjpegファイルが格納されたフォルダ名'

s3 = boto3.resource('s3')
bucket = s3.Bucket(BUCKET_NAME)
objs = bucket.meta.client.list_objects_v2(Bucket=bucket.name, Prefix=S3KeyPrefix)

def lambda_handler(event, context):

    # S3のファイルをテキストに出力
    text = ''
    for o in objs.get('Contents'):
        key = o.get('Key')
        if key[-4:]=='.jpg':
            text += '{}\n'.format(key)
            
    s3.Object(BUCKET_NAME, S3KeyPrefix + 'file_list.txt').put(Body=text) 
    
    # tmpにfile_list.txtを格納    
    bucket.download_file(S3KeyPrefix + 'file_list.txt', '/tmp/file_list.txt')

    # file_list.txtを開き、一行ずつ読み取る 
    fileobj = open("/tmp/file_list.txt", "r", encoding="utf_8")
    line = fileobj.readline()

    # Rekognition呼び出し 
    while line:
        line2 = line.rstrip("\n")
        session = Session(region_name="ap-northeast-1")
        rekognition = session.client("rekognition")    

        response=rekognition.detect_text(Image={'S3Object':{'Bucket':"S3バケット名",'Name':line2}})

        
        resultfile=line2.lstrip("S3のjpegファイルが格納されたフォルダ名").rstrip(".jpg")
        textDetections=response['TextDetections']
        for text in textDetections:
            result=open('/tmp/' + resultfile + '.json', 'a', encoding="utf_8")
            body='Detected text:' + text['DetectedText'] + "\n"
            result.write(body)
            result.close
        line = fileobj.readline()
        bucket.upload_file('/tmp/' + resultfile + '.json', 'S3の結果出力先フォルダ名' + resultfile + '.json')
        
    fileobj.close()

現状、こちらのコードでエラーはありません。。
何かご存知の方がいらっしゃいましたらご教授お願いいたします。
どうぞよろしくお願いいたします。

Answer 1

あなた自身がここの部分でDetectedTextを抜き出してるから当然そうなるのではないでしょうか？

       textDetections=response['TextDetections']
       for text in textDetections:
            result=open('/tmp/' + resultfile + '.json', 'a', encoding="utf_8")
            body='Detected text:' + text['DetectedText'] + "\n"
            result.write(body)
            result.close

これをやらずに一つ一つ出力結果をファイルに出力して個別にアップロードすればいいと思います。

ついでにいうと、Lambdaの中でfor文を回すのではなく、Lambda Function自体には単一のファイルを処理させてLambdaを呼び出す方で並列実行させるようにしたほうが良いと思います。
Lambdaには実行時間制限（最大15分）があるので、単一のLambda Functionの中で複数の処理をやるのはあまり筋が良くないです。

ただ、同時実行数はデフォルトだと1000になっているので、それを上回りそうであれば緩和申請（特に追加料金はなし）が必要です。