从PDF或包含段落的字符串中识别特定字段的数据

Question

我正在开发一个Android应用程序，其中我想从PDF中提取文本，识别提取出来的文本中的数据，并将其存储在数据库中。

例如：

如果我有一个HealthReport.pdf，在其中所有的健康检查结果都会被写入。我想找出一些特定领域的数据，例如:年龄、性别、体重、身高、血型等，并将其存储在数据库中。

现在我可以从PDF中提取文本了。但是，，我不知道如何从它中识别数据，，这是体重，这是性别，这是身高，这是体重，等等。

如果有人有什么主意，请帮忙.

Answer 1

我相信这是你要找的东西：https://nanonets.com/blog/ocr-with-tesseract/

使用OCR进行字符识别和提取，而不是将这些数据导出到某种类型的.csv文件中，以便更易于组织。