如何在Flutter中用Google ML Kit从收据识别结果过滤商品名称？

以下是几种实用的过滤方案，可根据收据格式灵活组合：

• 基于文本模式匹配
  超市收据的商品行通常遵循固定格式，比如「商品名 数量 单价 总价」或「商品名 总价」。可以用正则表达式匹配这类行，提取商品名部分：

  // 匹配「商品名 数量 单价 总价」格式的行
  final itemPattern = RegExp(r'^(.+?)\s+\d+\s+\d+\.\d+\s+\d+\.\d+$');
  // 匹配简化版「商品名 总价」格式
  final simpleItemPattern = RegExp(r'^(.+?)\s+\d+\.\d+$');
  

  遍历OCR得到的文本列表，对每行做匹配，同时排除标题、小计、日期等非商品行：

  final excludeKeywords = ['小计', '总计', '日期', '收银', 'ITEM', 'TOTAL', 'DATE'];
  List<String> extractItems(List<String> textList) {
    final items = <String>[];
    for (final line in textList) {
      // 跳过排除关键词的行
      if (excludeKeywords.any(keyword => line.contains(keyword))) continue;
      // 尝试匹配两种模式
      final match = itemPattern.firstMatch(line) ?? simpleItemPattern.firstMatch(line);
      if (match != null) {
        items.add(match.group(1)!.trim());
      }
    }
    return items;
  }
  

• 基于上下文范围筛选
  商品明细一般集中在「商品列表」和「小计」之间的区域，先定位分界行，再提取中间内容：

  List<String> extractItemsByContext(List<String> textList) {
    final items = <String>[];
    // 找到商品区域的起始和结束位置
    final startIdx = textList.indexWhere((line) => line.contains('商品明细') || line.contains('ITEMS'));
    final endIdx = textList.indexWhere((line) => line.contains('小计') || line.contains('SUBTOTAL'));
    if (startIdx != -1 && endIdx != -1 && startIdx < endIdx) {
      // 提取中间行并过滤非商品内容
      final candidateLines = textList.sublist(startIdx + 1, endIdx);
      for (final line in candidateLines) {
        // 排除纯数字行、过短行
        if (RegExp(r'^\d+$').hasMatch(line) || line.length < 2) continue;
        items.add(line.trim());
      }
    }
    return items;
  }
  

• 商品名清洗优化
  提取到的原始内容可能带有数字、符号残留，需要进一步清洗：

  String cleanItemName(String rawName) {
    // 移除数字、货币符号及特殊字符，保留中英文和空格
    return rawName.replaceAll(RegExp(r'[\d\$¥%*]'), '').trim();
  }
  

• 进阶方案：文本分类模型
  如果收据格式差异极大，正则和规则无法覆盖，可以集成轻量TensorFlow Lite文本分类模型，对每行文本做「商品/非商品」分类。可利用开源收据数据集训练模型，或对预训练文本分类模型微调后在Flutter中部署。

内容的提问来源于stack exchange，提问作者Prabin Maharjan