处理 ORed 文本
我正在使用库从 OCRed Tiff 文件中提取文本并将其转储到数据库中。我提取的文本实际上是具有 NAME、DOB、COUNTRY 等字段的表单。由于 OCR 无法区分实际值和标签之间的差异，因此它只是转储所有文本。现在我在数据库中有以下格式的文本：
名称：MyName 地址：我的地址
等
现在下一步是从数据库中提取值 lile MyName 和 MyAddrss。文档类型可能会有所不同，因此通用解析器可能无法工作。
您建议如何处理这种情况？我应该编写不同的解析器吗？ ANTLR 可以帮助我吗？如果是的话怎么办？请指导我。
我正在开发 .NET
I am extracting texts from OCRed Tiff files by using a library and dumping it in database. The text I am extracting are actually FORMS having fields like NAME,DOB,COUNTRY etc. Since OCR does not the difference between actual value and the label,it's just dumping all text. Now I have text in DB in following format:
Name: MyName
Address: My Address
etc
Now the next step is to extract values lile MyName and MyAddrss from the DB. The document types may varry hence a generic parser might not work.
What would you suggest to deal this situation? Should I write different parsers? may ANTLR can help me? if yes then how? Kindly guide me.
I am working on .NET
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论