发票格式识别器

Question

我正在使用一个接收发票中所有文本的应用程序（通过处理该发票的扫描图像获得文本）。现在，因为有几种可用的发票格式，所以我需要对应用程序接收的格式进行分类。例如，某些格式可能包含单位数，有些则不包含（但它们都有总成本）。

我对解析技术进行了一些研究，但没有找到可行的解决方案。你对这类问题有什么建议吗？

Answer 1

在Perl中，您可以使用Marpa，一般的BNF解析器 - 在BNF中描述您的发票格式，而Marpa将根据BNF解析您的发票，例如，它如何使用此complex example解决此simple code。