如何在文本中找到模糊的单词？

Question

我正在使用 OCR（Tesseract）从文档中提取数据，该文档必须包含某些关键字才能有效，OCR 并不完美，因此有时他可能会阅读例如“Technlquos”而不是“Techniques”。
所以我想知道java中是否有一种方法可以在文本中找到“技术”，即使它被OCR读为“Technlquos”？与组合词相同：搜索“Sciences Techniques”必须接受“Scences Technlquos”，例如找到与搜索词最接近的词并在足够接近时接受它（例如 75% 匹配）我找到了一些解决方案 @987654321 @ 但他们都没有回答我的问题
谢谢

Answer 1

在其他 OCR 库中，这可以通过在结果文本中保留已识别的单词变体来完成。最有可能的是，您的 OCR 发现“技术”并将其视为可疑。如果有保留可疑单词识别变体的选项，那么您将能够搜索它。