在某些图像上运行光学字符识别后，我得到了近似文本。通常认可度不高。例如，实际文本“DATE”为“DHTE”或“0HTE”。基本上我需要识别并提取每行中的数据，所以我不想要完美识别，只需要足以识别日期行。我试图计算Levenshtein编辑距离，但不幸的是，它倾向于给DATE和TIME提供类似的值。目前，我正在尝试探索是否可以使用正则表达式来匹配数据模式。
是否有方法/算法来改善匹配过程？幸运的是，我的单词不是很大。
（我正在使用tesseract for ocr和groovy / java作为算法）
答案 0 :(得分：1)
这个有一些很酷的算法 http://secondstring.sourceforge.net/
这是StringUtils中的基本内容 levenstein distance