將紙質(zhì)文檔變?yōu)殡娮游臋n無疑又環(huán)保，還節(jié)省物理存儲(chǔ)空間，但是有些情況它卻沒有節(jié)省空間或減少麻煩。電子報(bào)告或手動(dòng)掃描紙質(zhì)文檔對(duì)賬單、發(fā)票、財(cái)務(wù)報(bào)表的歸檔十分有用。但是，往電腦里錄入這些紙質(zhì)文檔需要大量的時(shí)間和精力，而且保存的這些電子文檔日后卻很難查找它們，這又有什么好處呢？

對(duì)一個(gè)有好記性和習(xí)慣的人來說這可能不難，但是中型到大型企業(yè)有龐大的業(yè)務(wù)，每天有數(shù)百人需要處理成千上萬的文檔，又會(huì)怎樣呢？沒有某種程序的話，就需要巨大的人力開銷，更大的問題是：會(huì)經(jīng)常錄錯(cuò)！

假設(shè)一下，你可以將所有掃描文件放在一個(gè)文件夾，然后自動(dòng)以一致的習(xí)慣移動(dòng)和重命名它們。LEADTOOLS OCR表單識(shí)別和處理擁有高級(jí)、靈活和強(qiáng)大的圖形庫，完全可以滿足你的要求。使用LEADTOOLS創(chuàng)建的應(yīng)用程序可以將一個(gè)掃描文檔與已經(jīng)的模板比較，并對(duì)文檔類型正確分類。當(dāng)正確識(shí)別一個(gè)文檔后，LEADTOOLS可以從表單中已定義的位置提取文字、選項(xiàng)、條碼等。

處理文檔并保存

解決困境的第一步是處理和管理一個(gè)中心文檔數(shù)據(jù)庫，所有的掃描文檔會(huì)放到這個(gè)位置進(jìn)行分類。有多種方法可以完成，如使用一個(gè)web服務(wù)或一個(gè)機(jī)器人按下一個(gè)按鈕。此例中選擇的方法是一個(gè)簡(jiǎn)單的控制臺(tái)應(yīng)用程序，它與Windows的任務(wù)調(diào)度器一起運(yùn)行完成調(diào)度。

管理文檔庫的代碼相對(duì)來說簡(jiǎn)單，因?yàn)樗饕褂昧薙ystem.IO命名空間的基本文件和文件夾操作。然后應(yīng)用程序最重要的部分傳遞到了文檔分類器上，它封裝了LEADTOOLS表單識(shí)別功能，返回用戶移動(dòng)和重命名文檔時(shí)使用的數(shù)據(jù)。

// 為新文檔檢查掃描文檔存儲(chǔ)庫 
string[] newDocuments = Directory.GetFiles(docRepositoryNewDocs);  
DocumentClassifier docClassifier = new DocumentClassifier(docRepositoryMasterForms);  
string movedDocumentName, masterFormSubFolder;  
foreach (string currentDoc in newDocuments)  
{  
   movedDocumentName = null;  
   // 嘗試將此文檔與已知的文檔類型匹配  
   ClassifiedDocument classifiedDoc = docClassifier.ClassifyDocument(currentDoc);  
   if (classifiedDoc.MasterFormName != null)  
   {  
      // 如果不存在，為Master Form添加子文件夾  
      masterFormSubFolder = string.Format(@"{0}{1}\",   
         docRepositoryRoot,classifiedDoc.MasterFormName);  
      if (!Directory.Exists(masterFormSubFolder))  
         Directory.CreateDirectory(masterFormSubFolder);  

 
      // 根據(jù)找到的日期，重命名文件   
      if (classifiedDoc.DocumentDate != DateTime.MinValue)  
      {  
         movedDocumentName = string.Format("{0}{1}{2}",   
            masterFormSubFolder,  
            classifiedDoc.DocumentDate.ToString("yyyyMMdd"),  
            currentDoc.Substring(currentDoc.LastIndexOf('.'),   
                currentDoc.Length - currentDoc.LastIndexOf('.')));  
      }  
      else  
      {  
         // 沒有找到用來重命名的日期，就移走它  
         movedDocumentName = currentDoc.Replace(docRepositoryNewDocs, masterFormSubFolder);  
      }  
   }  
   else  
   {  
      movedDocumentName = currentDoc.Replace(docRepositoryNewDocs,   
          docRepositoryUnclassifiedDocs);  
   }  

 
   if (!string.IsNullOrEmpty(movedDocumentName))  
      File.Move(currentDoc, movedDocumentName);  
}

使用LEADTOOLS表單識(shí)別

在LEADTOOLS開始分類文檔前，必須知道如何分類他們，分類通過創(chuàng)建一個(gè)主表單模板的集合完成。LEADTOOLS附帶了一個(gè)主表單編輯器示例，使用它可以為兩種不同的包含單獨(dú)OCR字段的發(fā)票添加一個(gè)主表單，提取出發(fā)票日期，重命名文件。

現(xiàn)在我們定義了主表單，可以開始處理文檔了。我們已經(jīng)掃描了兩個(gè)基于主表單的發(fā)票和一個(gè)沒有已知模板的稅單。LEADTOOLS會(huì)將New文件夾中的每一個(gè)文件與主模板比較。如果找到了匹配項(xiàng)，它會(huì)處理文檔字段，返回表單的名稱和日期字段。

// 為機(jī)器上的每一個(gè)處理器創(chuàng)建OCR引擎。在識(shí)別和處理過程中，允許線程的優(yōu)先使用 
ocrEngines = new List<IOcrEngine>();  
for (int i = 0; i < Environment.ProcessorCount; i++)  
{  
   ocrEngines.Add(OcrEngineManager.CreateEngine(OcrEngineType.Advantage, false));  
   ocrEngines[i].Startup(formsCodec, null, String.Empty, String.Empty);  
}  
// 將存儲(chǔ)庫指向包含已有主表單的文件夾   
formsRepository = new DiskMasterFormsRepository(formsCodec, _MasterFormFolder);  
autoEngine = new AutoFormsEngine(formsRepository, ocrEngines, null, AutoFormsRecognitionManager.Default | AutoFormsRecognitionManager.Ocr, 30, 70, true);  

 
// 在這個(gè)文檔上運(yùn)行表單識(shí)別  
AutoFormsRunResult runResult = autoEngine.Run(document, null);  
if (runResult != null)  
{  
   // 在此例中，我們使用了兩種信息來組織分類的表單：  
   // 1.子文件夾使用表單的名字  
   // 2.文件名使用 "ClassificationRenameDate" 字段  
   retClassifiedDocument.MasterFormName = runResult.RecognitionResult.MasterForm.Name;  

 
   // 處理識(shí)別的表單，提取想要的信息  
   foreach (FormPage formPage in runResult.FormFields)  
   {  
      foreach (FormField field in formPage)  
      {  
         if (field != null && field.Name == "ClassificationRenameDate")  
         {  
            retClassifiedDocument.DocumentDate = DateTime.Parse((  
                field.Result as TextFormFieldResult).Text);  
         }  
      }  
   }  
}

正如你所看到的，兩張發(fā)票與它們的主表單正確匹配，并根據(jù)數(shù)據(jù)字段重命名。此外，未分類的文檔文件夾起到了自動(dòng)防御的功能，允許應(yīng)用程序通過最小的代價(jià)達(dá)到目的。當(dāng)你有一個(gè)主表單集合中沒有的新文檔類型時(shí)，你所要做的只是將這些圖像中的一個(gè)當(dāng)做模板，提取出你想要的字段，將未分類的文檔移回New文件夾，在下次程序運(yùn)行時(shí)重新處理一次。

再進(jìn)一步

這個(gè)簡(jiǎn)單的解決方案有著巨大的擴(kuò)展性和適應(yīng)性。例如，通過連接一個(gè)云服務(wù)如Google Docs、SkyDrive或 iCloud輕松管理你的在線文檔。同樣，企業(yè)可以調(diào)整它來監(jiān)控和組織傳入的傳真和郵件附件，或使用識(shí)別出的字段數(shù)據(jù)，將其直接存入數(shù)據(jù)庫。更重要的是，LEADTOOLS表單識(shí)別可以按你的意愿處理掃描文檔中或多或少的數(shù)據(jù)，它的實(shí)用性已經(jīng)遠(yuǎn)遠(yuǎn)超出了組織和歸檔。通過提取表單字段、復(fù)選框、發(fā)票金額等還能加速工作流。