使用Rails构建名片扫描程序的OCR验证

Question

我的目标是为Rails编写一个验证类，它能够使用名片中的OCR识别文本，并能够检测字符串片段并将它们分配给正确的属性。我知道这可能不是100％完美，但我希望尽可能接近。到目前为止，这是我的方法：

1. 我通过jquery＆＃39; navigator.mediaDevices
扫描名片
2. 我将扫描的图像发送到第三方API服务，称为OCRSpace（这里有一个gem：https://github.com/suyesh/ocr_space）
3. 然后我得到一个未格式化的已识别文本片段数组，例如：

result = [['John Doe'], ['+49 160 123456'], ['Mainstr. 45a'], ['12345 Berlin'], ['CEO'], ['johndoe@business-website.de'], ['www.business-website.de']]

• 然后我遍历数组并进行一些检查，例如

• 使用people库（https://github.com/mericson/people） 将名称拆分为firstname和lastname（另外还有标题 或中间名）使用phonelib库 （https://github.com/daddyz/phonelib）查找有效的电话号码 并将其格式化为国际字符串

• 对电子邮件地址进行基本的正则表达式检查并存储

我现在想念的是：

1. 如何找出名称字符串可能是什么？现在我让用户选择它（在我的例子中，他定义＆＃34; John Doe＆＃34;作为名称，然后库完成其余的工作）。我确定在将正则表达式用作＆＃34; Main Street＆＃34;等字符串时会遇到冲突。那么还会被认为是名字吗？
2. 如何正则表达ZIP-Code和City名称的组合？我不是正则表达式专家，你知道任何有用的好消息来源吗？到目前为止，除了一些正则表达式检查员之外，找不到任何东西。

一般来说：你喜欢我的方法还是这样太复杂了？你知道一些看起来更好的最佳实践吗？

Answer 1

不要认为这是一个完整的答案，但要做出评论太过分了。 你的工作方式似乎还可以，但我不会使用OCR服务，因为还有其他方法，Tesseract是最知名的。

如果你这样做并且所有结果都是可比较的，那么它似乎并不太难，因为每一条信息都有它自己的特点。

您可以识别名称部分，因为它不会包含数字，其余部分也是如此，您也可以将其包含在“Mr.”中或“太太”或者这样而不是“Str。”，“street”等。您也可以使用Google地图检查正确的地址，有Ruby宝石，但没有经验。

您的人物宝石也可以提供帮助。

您可以猜测所有这些，在您的网页上显示结果并让用户确认或调整。

你也可以通过查看任意顺序的数字和字符串组合来RegExpr后城市组合，但你也可以使用像ZipCodes这样的宝石帮助。

对不起，现在没时间测试一些正则表达式而且我没有测试就发布代码。

希望这是一些帮助，成功！