我需要扫描文档并检查其中是否包含特定数据。 简而言之，假设我需要查找扫描的发票是否包含特定地址。
要给定的搜索地址与文档中的写法可以用不同的方式来写，例如：
要搜索的地址（意大利地址）：“都灵（TO）的圣塔丽塔广场30号10390
扫描文档中的地址可能类似于： “都灵，都灵P.zza S.Rita 43，10390，都灵” 要么 “披萨S.Rita 43，10390，都灵” 等等
我正在寻找一种方法来查找要搜索的数据之间的某种“相似性”，以便如果我找到一个接近80％的文本，我认为它是有效的文档。
除了地址的键入方式外，还会出现另一个问题，就是扫描的文档可能（大多数情况下）质量很差，因此OCR引擎可能会误解某些字符，从而导致错误的结果（例如' c'变成了'o'，'3'变成了'B'，依此类推...所以我也要考虑到这一点
例如扫描的文档可能会导致““ Plzza S.Rita 4B，1O390，Tcrinc”
有关如何解决此问题的任何建议？
实际上，我是在Android上进行开发的，使用OpenCV来校正文档图片的歪斜，并使用Google Firebase ML-KIT来在设备上扫描文档（我不能依赖外部服务，我必须在设备上解决它）我应该使用Java并从ml-kit ocr找到的文本中查找问题，但是即使您有建议以其他语言/平台实现此建议，也可以作为参考。
答案 0 :(得分：0)
这确实是一个难题。我相信您最好的选择是模糊字符串匹配。
有一些Java库对您有帮助，例如JavaWuzzy。
extractX和sortX之类的功能应该很方便：
FuzzySearch.extractOne("cowboys", ["Atlanta Falcons", "New York Jets", "New York Giants", "Dallas Cowboys"])
(string: Dallas Cowboys, score: 90, index: 3)
FuzzySearch.tokenSortPartialRatio("order words out of"," words out of order")