我正在使用OCR来阅读清晰易读的表格数据。来自OCR的数据包含大量拼写错误和错误提取的项目。应该从表中提取正确的数据结构的定义。我的任务是找到一个程序来清理来自OCR的数据并提取尽可能多的有用数据点。例如：
在数据中我期望遵循数据点：
height - 小数值，范围为0.01到10.0，单位为米
width - 小数值，范围为0.01到10.0，单位为米
weight - 5到50范围内的整数值，以千克为单位
color - 字符串，值为＆＃34;红色＆＃34;，＆＃34;黄色＆＃34;或＆＃34;橙色＆＃34;
......等等。
从OCR我得到：
neiont：l2.G n
weion：14 ko
oolowr：veHou
鉴于上述限制，我应该能够将OCR输出解析为：
身高：12.5米
重量：14公斤颜色：黄色
您能否建议一般算法，技术或优化程序，或者甚至可以建议用于处理此任务的现成库？
答案 0 :(得分：0)
这是一项艰巨的任务！可能超出了SO的范围。更多的是可获得专利的发明。
需要考虑很多事情。首先，你怎么知道G应该是5而不是6？是的，你的眼睛可以说，但是教电脑是OCR是什么。
更不用说写得不好的7被解释为＆＃34;我＆＃34;。
至少颜色只有3个可能的值...