【发布时间】：2016-11-01 17:18:26
【问题描述】：
我正在使用 OCR 读取难以辨认的表格数据表。来自 OCR 的数据包含很多拼写错误和错误提取的项目。有一个应该从表中提取的正确数据结构的定义。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，我期望以下数据点：
高度 - 以米表示的 0.01 到 10.0 范围内的十进制值
宽度 - 以米表示的 0.01 到 10.0 范围内的十进制值
重量 - 以千克表示的 5 到 50 范围内的整数值
颜色 - 值为“红色”、“黄色”或“橙色”的字符串
...等等
从 OCR 我得到：
neiont: l2.G n
weion: 14 劫
oolowr: veHou
鉴于上述限制，我应该能够将 OCR 输出解析为：
高度：12.5 米
重量：14 公斤
颜色：黄色
您能否提出一个通用算法、技术或优化程序，或者甚至是一个现成的库可以用来处理这项任务？
【问题讨论】：
-
所有输入都是同一个人（或少数可识别的人）写的？
-
输入是用一小部分常用字体打印出来的，但是由于是手机摄像头拍的，所以图片经常变形。