OCR是否有行业标准输出格式？我似乎无法找到任何被定义为行业标准的东西，也不是我对OCR非常有经验所以我不知道是否有标准。
答案 0 :(得分：2)
hOCR是一个开放标准，它定义了表示OCR输出的数据格式。
答案 1 :(得分：1)
没有这样的格式，但有一些常用的做法和开放标准格式可以满足您的要求。这个问题就像问“煮土豆的标准结果是什么”。土豆泥，炸薯条，或烤（不知道那个例子来自哪里，我一定饿了......）
此外，“行业标准”将取决于具体行业。如果您处于特定的垂直行业，那么某些格式将比其他格式更常见（几乎是标准的）。例如：
总的来说，如果我回答你最常用和行业认可的格式是：TXT，XML，PDF（几种口味），我也不会错。每种都具有独特的属性和特定用途，但由于开放标准，每种技术都可以被其他技术广泛使用。
从另一端接近它更好，这意味着通过“业务需求”来思考数据会发生什么以及需要吸收的地方应该准确定义您希望从OCR输出中使用哪种切换格式。 / p>
答案 2 :(得分：0)
XIEO（http://xieo.info）使用称为CML（Clix标记语言）的（Maya Software）专有格式，可以有效地对页面，区域，行，文本框和相关信息进行编码。 VisualText / NLP ++（可在http://www.textanalysis.com获得）有一个特殊的标记器传递给＆＃34;吸气＆＃34;格式化并生成现成的解析树。然后，NLP ++分析器可以构建在该初始解析树上。
此工作流程已在XIEO使用超过5年，主要用于处理正式记录文件（契约，抵押，法庭书记等）并从中提取信息。
可以在此工作流程中清理OCR文本，重新区域以修复OCR错误和错误分区，并从文本中提取相关信息。
Amnon Meyers，Text Analysis International，Inc首席技术官amnon.meyers@textanalysis.com