如何从OCR内容中准确提取电子邮件和单元编号字符串文本？
我已经使用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，但效果不是很好。有什么更好的建议来提高性能吗？
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
{
$Email = 'NULL';
}@algen.comsg网址: www.algen.comsg电话：(65) 68982292传真：(65) 68982202 (65) 68982813
运行上述代码的结果= NULL；期望的输出: philip@algen.comsg
OCR text 2："Allan Lim Yee Chian首席执行官Alpha Biofuels (S) Pte Ltd LHCCBNFLN FR2 a mobile 9790 3063 - 6264 6696 fax 6260 2082 C#01-05，2 Tuas South Ave 2新加坡637601 tang. Steve. Eric@alphabiofuels.sg www.alphabiofuels.sg“
运行上述代码的结果= NULL；期望输出: tang.Steve.Eric@alphabiofuels.sg；
回答 1
Stack Overflow用户
发布于 2018-07-17 20:18:46
您面临的两个问题是您没有将代码转换为小写，第二个问题是您没有涵盖代码中出现空格的情况。我试图涵盖这些，但您必须根据您的要求进行修改。
function extract_emails($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';
}https://stackoverflow.com/questions/43844506
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号