如何使用OCR从指定位置提取文本信息？
用户上传包含班级、教授、时间表等信息的表格数据。
我想很容易地提取这些信息。
我可以使用OCR库，但它只会输出随机混合的文本。
我不知道什么东西属于什么。
有没有一种方法可以训练OCR只查看图像（表单）的特定部分，然后标记数据，这样当它提取数据时，所有数据都会被标记。等
假设我有一个有很多数据的表单，我希望它只看地址部分并标记它。
或者是类似电子表格的数据，我想让它按列标记。
简单地将所有文本提取到字符串中并不那么有用。
共有1个答案
如果每个文档都有相同的格式。尝试将文档分解成单独的部分，并将需要文本的部分输入OCR。如果没有，祝你好运，我也在寻找答案。
-
我使用组块来标记数据，并从文本中获取位置。最初，我尝试从next中提取名词短语，当我们使用名词短语名称（也被称为名词短语）时，它无法使用。然后我转移到核心nlp的位置，我试着运行下面的代码 InputStream inputStreamTokenizer=new FileInputStream（"文本文档中的D：\project\关系提取\Libraray\解析/en-token.bin"）；To
-
对于任何给定的问题，很可能已经有人把答案写在某个地方了。以电子形式提供的自然语言文本的数量真的惊人，并且与日俱增。然而，自然语言的复杂性使访问这些文本中的信息非常困难。NLP目前的技术水平仍然有很长的路要走才能够从不受限制的文本对意义建立通用的表示。如果我们不是集中我们的精力在问题或“实体关系”的有限集合，例如：“不同的设施位于何处”或“谁被什么公司雇用”上，我们就能取得重大进展。本章的目的是要回
-
我想摘录： 图像标记和 类数据内的锚标记文本 我成功地提取了img src，但从锚标记中提取文本时遇到了问题。 这是整个HTML页面的链接。 这是我的代码： 我试图做的是提取图像src（link）和div class=data中的标题，例如： 应提取： 尼康COOLPIX L26 16.1 MP数码相机，配备5倍变焦NIKKOR玻璃镜头和3英寸LCD（红色）
-
我想提取只有蓝色文本图像uisng tesseract ocr.请帮助我关于这一点。 我试过的基本代码： 导入PIL. Image导入cv导入pytesseract， remy_image=PIL. Image.open（r"C：\User\sony\Desktop\Cap_sample\MicrosoftTeams-Image（4）. png"）pytesseract.pytesseract.t
-
我正在尝试从图像中提取文本。目前我得到的输出是空字符串。以下是我的pytesseract代码，尽管我也对Keras OCR持开放态度：- 我不确定如何使用svg图像，所以我将它们转换为png。下面是一些示例图像：- 编辑1 (2021-05-19)：我可以使用cairosvg将svg转换为png。仍然无法读取验证码文本 编辑2（2021-05-20）：Keras OCR也不会为这些图像返回任何内容
-
问题内容： 我想使用Apache PDFBox从给定的PDF文件中提取文本。 我写了这段代码： 但是，出现以下错误： 我在类路径中添加了pdfbox-1.8.5.jar和fontbox-1.8.5.jar。 编辑 我添加到程序的开头。 我运行了它，然后出现了与上述相同的错误，并且未出现在控制台中。 因此，我认为我对类路径或其他东西有疑问。 谢谢。 问题答案： 我执行了您的代码，它工作正常。也许您的