替换不可靠字符串 (OCR) 中的已知文本

Question

我有来自表单的 OCRed 文本。我需要提取经常与标题和其他无关（但已知）文本混合的文本。

我的表单上有一个 name 框。我通常会从 OCR 中返回：

“名字：某个名字”

在这里我可以删除“姓名：”并继续我的一天。

不幸的是，我经常得到这样的东西：

• “命名一些名字”
• “ame：某个名字”
• "ame Some Name"
• “名字。一些名字”
• “姓名”
• “ameSome 名称”

当您现在要删除的字符串经常被损坏时，有哪些技术可以清理/提取所需的文本？

我正在使用 Javascript/Node。

谢谢

Answer 1

如果您一直希望获得标签，或者至少是其中的一部分，您可以尝试使用正则表达式来匹配它，然后删除。

类似（先将其转换为小写）：

^n?ame[:.\-\s]?

行首可能有也可能没有“n”，后跟“ame”，然后是分隔符，如“: . or -”

这可能不适用于所有情况，但它适用于您提供的示例