我需要扫描文档并检查它是否包含特定数据。 简单地说，假设我需要查找扫描的发票是否包含特定地址。
与文档中的书写方式相比，要搜索的给定地址可以以不同的方式书写，例如：
搜索地址(意大利地址(： "Piazza Santa Rita 43， 10390， 都灵(TO(
扫描文档中的地址可能如下所示： "都灵，P.zza S.Rita 43,10390，都灵" 或 "Pizza S.Rita 43， 10390， 都灵" 等等
我正在寻找一种方法来查找要搜索的数据之间的"相似性"，这样如果我找到接近 80% 的文本，我认为它是有效的文档
除了地址的输入方式之外，出现的另一个问题是扫描的文档可能(大多数时候(质量很差，因此OCR引擎可能会误解某些字符，从而产生不好的结果(例如"c"变成了"o"，"3"变成了"B"，等等......所以我也想考虑到这一点。
例如，扫描的文档可能导致"Plzza S.Rita 4B， 1O390， Tcrinc">
关于如何解决这个问题的任何建议？
实际上，我正在Android上开发它，使用OpenCV来纠偏文档图片，并使用Google Firebase ML-KIT在设备上扫描文档(我不能依赖外部服务，我必须在设备上解决它(，所以我应该使用Java解决这个问题，并从ml-kit ocr找到的文本中查看，但即使您有在其他语言/平台中实现此建议也可以作为参考。
这确实是一个有点困难的问题。我相信你最好的选择是模糊字符串匹配。
有一些Java库应该对你有帮助，例如JavaWuzzy。
像extractX和sortX这样的函数应该派上用场：
FuzzySearch.extractOne("cowboys", ["Atlanta Falcons", "New York Jets", "New York Giants", "Dallas Cowboys"])
(string: Dallas Cowboys, score: 90, index: 3)
FuzzySearch.tokenSortPartialRatio("order words out of"," words out of order")