问题描述
每个框包含以下格式的数据
name: john doe name: jane doe
age: 40 age: 50
doorno: 4 doorno: 6
我的目标是解析每个框并将相应的记录存储在数据库中,该记录具有3列(名称,年龄,门号)。我有大约5000个PDF,其中数百页具有相同格式。
当我使用Google Cloud OCR Java API进行解析时,我取得了一些成功,但是数据变得混乱起来。例如对于上述数据,输出为
para1: name: john doe name: jane doe
para2: age: 40 age: 50 doorno: 4
para3: doorno6
根据数据的长度,解析后的数据会以各种段的形式作为参数组合在一起,因此很难进行后处理以将它们放入数据库中。有没有办法告诉OCR API,将一个框视为一个段落?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)