## AWSラムダプロジェクトの作成 Visual Studioを使用すれば、コンテナ化されたAWS Lambdaを簡単に作成できます： - [AWS Toolkit for Visual Studio](https://aws.amazon.com/visualstudio/) をインストールしてください。 - AWS Lambda プロジェクト（.NET Core - C#）」を選択してください。 - .NET 8 (Container Image)'ブループリントを選択し、'Finish'を選択します。 [コンテナ画像を選択してください](/static-assets/ocr/how-to/iron-ocr-aws-tutorial/Blueprint.png)。 ## パッケージの依存関係の追加 .NET 8でIronOCRライブラリを使用する場合、AWS Lambdaで使用するために追加の依存関係をインストールする必要はありません。 プロジェクトのDockerfileを以下のように変更してください： ```dockerfile FROM public.ecr.aws/lambda/dotnet:8 # Update all installed packages RUN dnf update -y WORKDIR /var/task # Copy build artifacts from the host machine into the Docker image COPY "bin/Release/lambda-publish" . ``` ## FunctionHandlerコードを修正する。 この例では、S3バケットから画像を取得し、それを処理し、検索可能なPDFを同じバケットに保存します。 IronOCR ZIPを使用する場合、テンポラリフォルダの設定は必須です。なぜならライブラリはDLLからランタイムフォルダをコピーするために書き込みパーミッションが必要だからです。 ```csharp using Amazon.Lambda.Core; using Amazon.S3; using Amazon.S3.Model; using IronOcr; using System; using System.IO; using System.Threading.Tasks; // Assembly attribute to enable the Lambda function's JSON input to be converted into a .NET class. [assembly: LambdaSerializer(typeof(Amazon.Lambda.Serialization.SystemTextJson.DefaultLambdaJsonSerializer))] namespace IronOcrZipAwsLambda { public class Function { // Initialize the S3 client with a specific region endpoint private static readonly IAmazonS3 _s3Client = new AmazonS3Client(Amazon.RegionEndpoint.APSoutheast1); ///

/// Function handler to process OCR on the PDF stored in S3. ///

/// The ILambdaContext that provides methods for logging and describing the Lambda environment. public async Task FunctionHandler(ILambdaContext context) { // Set up necessary paths for IronOCR var awsTmpPath = @"/tmp/"; IronOcr.Installation.InstallationPath = awsTmpPath; IronOcr.Installation.LogFilePath = awsTmpPath; // Set license key for IronOCR IronOcr.License.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01"; string bucketName = "deploymenttestbucket"; // Your bucket name string pdfName = "sample"; string objectKey = $"IronPdfZip/{pdfName}.pdf"; string objectKeyForSearchablePdf = $"IronPdfZip/{pdfName}-SearchablePdf.pdf"; try { // Retrieve the PDF file from S3 var pdfData = await GetPdfFromS3Async(bucketName, objectKey); // Initialize IronTesseract for OCR processing IronTesseract ironTesseract = new IronTesseract(); OcrInput ocrInput = new OcrInput(); ocrInput.LoadPdf(pdfData); OcrResult result = ironTesseract.Read(ocrInput); // Log the OCR result context.Logger.LogLine($"OCR result: {result.Text}"); // Upload the searchable PDF to S3 await UploadPdfToS3Async(bucketName, objectKeyForSearchablePdf, result.SaveAsSearchablePdfBytes()); context.Logger.LogLine($"PDF uploaded successfully to {bucketName}/{objectKeyForSearchablePdf}"); } catch (Exception e) { context.Logger.LogLine($"[ERROR] FunctionHandler: {e.Message}"); } } ///

/// Retrieves a PDF from S3 and returns it as a byte array. ///

private async Task GetPdfFromS3Async(string bucketName, string objectKey) { var request = new GetObjectRequest { BucketName = bucketName, Key = objectKey }; using (var response = await _s3Client.GetObjectAsync(request)) using (var memoryStream = new MemoryStream()) { await response.ResponseStream.CopyToAsync(memoryStream); return memoryStream.ToArray(); } } ///

/// Uploads the generated searchable PDF back to S3. ///

private async Task UploadPdfToS3Async(string bucketName, string objectKey, byte[] pdfBytes) { using (var memoryStream = new MemoryStream(pdfBytes)) { var request = new PutObjectRequest { BucketName = bucketName, Key = objectKey, InputStream = memoryStream, ContentType = "application/pdf" }; await _s3Client.PutObjectAsync(request); } } } } ``` tryブロックの前に、IronPdfZipディレクトリから読み込むためのファイル'sample.pdf'が指定されています。 次に、`GetPdfFromS3Async`メソッドを使用してPDFバイトを取得し、それを`LoadPdf`メソッドに渡します。 ## メモリとタイムアウトの増加 Lambda関数に割り当てられるメモリの量は、処理されるドキュメントのサイズと同時に処理されるドキュメントの数によって異なります。 ベースラインとして、`laws-lambda-tools-defaults.json`でメモリを512MBに、タイムアウトを300秒に設定してください。 ```json { "function-memory-size": 512, "function-timeout": 300 } ``` メモリが不足すると、プログラムは「Runtime exited with error: signal: killed」というエラーを投げます。メモリサイズを増やすことで、この問題を解決できます。 詳細については、トラブルシューティングの記事を参照してください：[AWS Lambda - Runtime Exited Signal：Killed](/csharp/ocr/troubleshooting/aws-lambda-runtime-exited-signal-killed/). ## パブリッシュ Visual Studioで公開するには、プロジェクトを右クリックして'Publish to AWS Lambda...'を選択し、必要な設定を行います。 ラムダのパブリッシングについては、[AWS ウェブサイト](https://docs.aws.amazon.com/toolkit-for-visual-studio/latest/user-guide/lambda-creating-project-in-visual-studio.html#publish-to-lam)をご覧ください。 ## 試してみてください！ Lambda関数は、[Lambdaコンソール](https://console.aws.amazon.com/lambda)またはVisual Studioから起動できます。

よくある質問

C#を使用してAWSでドキュメントにOCRを実行するにはどうすればいいですか？

IronOCRを使用すると、AWS Lambdaと統合することで、Amazon S3バケットに保存されているドキュメントにOCRを実行できます。これは、S3からドキュメントを取得し、IronOCRで処理した後、結果を再びS3にアップロードするC#のLambda関数を作成することを含みます。

C#を使用してAWS LambdaでOCRを設定するためにどのようなステップが必要ですか？

C#を使用してAWS LambdaでOCRを設定するには、IronOCRライブラリをダウンロードし、Visual StudioでAWS Lambdaプロジェクトを作成し、IronOCRを使用して処理する関数ハンドラーを構成して、関数をデプロイする必要があります。この設定により、画像を検索可能なPDFに変換できます。

AWS LambdaでOCRを実行するための推奨構成は何ですか？

AWS LambdaでIronOCRを使用してOCRを実行する際の最適なパフォーマンスのためには、少なくとも512 MBのメモリ割り当てと300秒のタイムアウト期間を設定することが推奨されます。これらの設定は、大規模または複数のドキュメントの処理を管理するのに役立ちます。

AWS Lambdaで「Runtime exited with error: signal: killed」にどのように対処しますか？

このエラーは、Lambda関数が割り当てられたメモリを使い果たしたことを示すことがよくあります。大規模なドキュメントをIronOCRで処理する際、この問題を解決するには、Lambda関数の構成でメモリ割り当てを増やすことができます。

AWS Lambda OCR関数をデプロイ前にローカルでテストできますか？

はい、AWS Toolkit for Visual StudioでAWS Lambda OCR関数をローカルでテストできます。

AWS LambdaプロジェクトのDockerfileの目的は何ですか？

AWS LambdaプロジェクトのDockerfileは、Lambda関数の実行環境と依存関係を定義するコンテナイメージを作成するために使用されます。これにより、関数がAWSで適切に実行されるために必要なすべてのコンポーネントを確実に備えることができます。

AWS Lambdaで.NET 8を使用する際にIronOCRを使用するために追加の依存関係は必要ですか？

AWS Lambdaで.NET 8を使用する際にIronOCRライブラリと必要なAWS SDKパッケージ以外の追加の依存関係は必要ありません。これにより、OCRタスクを実行するための統合プロセスが簡素化されます。

C# OCRをAWS Lambdaと統合するための前提条件は何ですか？

C# OCRをAWS Lambdaと統合する前に、AWS SDK for S3、IronOCRライブラリ、およびAWS Toolkit for Visual Studioをインストールする必要があります。また、ドキュメントを保存および取得するための設定済みのS3バケットも必要です。

Curtis Chau

  今すぐエンジニアリングチームとチャット

テクニカルライター

Curtis Chauは、カールトン大学でコンピュータサイエンスの学士号を取得し、Node.js、TypeScript、JavaScript、およびReactに精通したフロントエンド開発を専門としています。直感的で美しいユーザーインターフェースを作成することに情熱を持ち、Curtisは現代のフレームワークを用いた開発や、構造の良い視覚的に魅力的なマニュアルの作成を楽しんでいます。

開発以外にも、CurtisはIoT（Internet of Things）への強い関心を持ち、ハードウェアとソフトウェアの統合方法を模索しています。余暇には、ゲームをしたりDiscordボットを作成したりして、技術に対する愛情と創造性を組み合わせています。

準備はいいですか?

Nuget ダウンロード 5,044,537 | バージョン: 2025.11 ただ今リリースされました

試用ライセンスキーがメールで送信されました。

総ダウンロード数: 5,044,537

ライセンスを見る