如何从 OCR 内容中准确提取电子邮件和单元号字符串文本？

Posted 2023-04-17

【中文标题】如何从 OCR 内容中准确提取电子邮件和单元号字符串文本？

【英文标题】：How to accurately extract the email and unit number string text from OCR content?

【发布时间】：2017-10-06 06:29:48

【问题描述】：

我使用 google cloud vision OCR 从here 中提取名片电子邮件字符串文本，并使用下面的正则表达式尝试提取，但效果不佳。有没有更好的建议来提高性能？

function extract_emails($str)
    // This regular expression extracts all emails from a string:
    $regexp = '/([a-z0-9_\.\-])+\@(([a-z0-9\-])+\.)+([a-z0-9]2,4)+/i';
    preg_match_all($regexp, $str, $m);

    return isset($m[0]) ? $m[0] : array();


$Email = extract_emails($gcv_response);

if (!empty($Email))

    $Email = reset($Email); 

else

    $Email = 'NULL';

OCR 文本 1：“ALGEN MARINE PTE LTD 消防和安全工程专家 Philip Cheng 助理销售经理 172 Tuas South Avenue 2, West Point Bizhub, Singapore 637191 电子邮件：philip @algen.comsg 网站：www.algen.comsg电话：[phone] 传真：[phone] (65) 6898 2813 惠普：(65) 9168 9799"

运行上述代码的结果 = NULL;所需输出：[e-mail]

OCR 文本 2：“Allan Lim Yee Cian 首席执行官 Alpha Biofuels (S) Pte Ltd LHCCBNFLN FR2 移动电话 9790 3063 电话 6264 6696 传真 6260 2082 C#01-05, 2 Tuas South Ave 2 Singapore 637601 tang. Steve . [e-mail] www.alphabiofuels.sg"

运行上述代码的结果 = NULL;期望输出：[e-mail]；

【问题讨论】：

你说的没有太多好的结果是什么意思？某些电子邮件不匹配吗？还是太慢了？

结果不一致，例如 OCR 结果“xxxxxxxxx [e-mail] xxxx”显示为“[e-mail]”，而实际结果可能是“[e-mail]”。 com" 我可以删除中间的所有空间，但这不会很好用吗？正则表达式比较新，或者我的正则表达式有缺陷

似乎工作正常。如果您需要捕获多个电子邮件地址，请添加 /g

@Vivian 您可能应该添加示例，说明您获得的 OCR 结果以及未正确提取的结果，以便人们可以建议改进您的正则表达式。包括应该起作用的积极因素和不应该起作用的消极因素

我只想从 OCR 字符串文本中捕获从名片中捕获的单个电子邮件地址

【参考方案1】：

您面临的两个问题是您没有将代码转换为小写，其次是您没有涵盖代码中出现空格的情况。我试图涵盖这些，但您必须根据您的要求进行修改。

function extract_emails($str)
    // This regular expression extracts all emails from a string:
    $regexp = '/(([a-z0-9_\-])+\.\\s?)?/([a-z0-9_\.\-])+\\s?\@(([a-z0-9\-])+\.)+([a-z0-9]2,4)+/i';
    //$regexp = '/(([a-zA-Z0-9_\-])+\.\\s?)?/([a-zA-Z0-9_\.\-])+\\s?\@(([a-z0-9\-])+\.)+([a-z0-9]2,4)+/i';//for using uppercase letters.

preg_match_all($regexp, strtolower($str), $m);

    return isset($m[0]) ? $m[0] : array();


$Email = extract_emails($gcv_response);

if (!empty($Email))

    $Email = reset($Email); 

else

    $Email = 'NULL';