從 PDF 或包含段落的字符串中識別特定字段的數據

Question

我正在開發一個 Android 應用程序，我想在其中從 PDF 中提取文本，從提取的文本中識別數據，並將其存儲在數據庫中。

例如：

如果我有一個 HealthReport.pdf ，其中寫入了所有健康檢查結果。 我想識別一些特定字段的數據，例如：年齡、性別、體重、身高、血型等。並將其存儲在數據庫中。

現在我可以從 PDF 中提取文本。 但我不知道如何從中識別這是體重，這是性別，這是身高，這是體重等數據。

如果有人有什么想法，請幫助...

Answer 1

我相信這是您正在尋找的東西： https://nanonets.com/blog/ocr-with-tesseract/

使用 OCR 進行字符識別和提取，然后將該數據導出到某種 a.csv 文件中，以便更容易組織。