如何在文本中找到模糊词？

Question

我正在使用OCR（Tesseract）从文档中提取数据，此文档必须包含某些关键字才有效，OCR并不完美，所以有时候他可能会阅读“Technlquos”而不是“Techniques”。
所以我想知道java中是否有办法在文本中找到“技术”，即使它被OCR读作“Technlquos”？对于组成单词也是如此：搜索“科学技术”必须接受“Sclences Technlquos”，比如找到与搜索到的单词最接近的单词并接受它，如果它足够接近（例如75％匹配）我找到了一些解决方案{{ 3}}但他们都没有回答我的问题 谢谢

Answer 1

在其他OCR库中，可以通过在生成的文本中保留已识别的单词变体来完成此操作。最有可能的是，“技术”被您的OCR发现并被认为是可疑的。如果有选项可以保留可疑的单词识别变体，那么您将能够搜索它。