我正在寻找一种从文档中提取文本数据的工具。具体来说，我希望能够从发票编号，供应商名称，发票日期，到期日，到期金额等发票中提取元数据。由于进入的发票来自我的供应商，我列出的元数据将位于不同的文件的各个方面。我无法确定Tika是否可以在INVOICE等文档中搜索关键字，然后提取发票号。我希望能够提取此数据，然后将文档和元数据推送到文档管理系统，如SharePoint或Alfresco。有没有人有Tika的经验，你知道这是否可能吗？
答案 0 :(得分：0)
你可以使用ephesoft和alfresco。
使用ephesoft：您可以提取数据
使用alfresco：您可以使用文档存储提取的数据
与Tika比较好。
请注意以下内容
https://www.youtube.com/watch?v=soV-9GGhuBg
答案 1 :(得分：0)
也许晚了，但对其他访问者了解 Algodocs 很有用，它也提供永久免费订阅：https://algodocs.com。 Algodocs 提供多合一解决方案，即您可以根据需要提取特定字段或从数百页的图像或 PDF 文件中提取表格行。