Flutter中基于google_ml_kit的收据关键信息提取方案咨询

针对你用google_ml_kit提取收据文本后，要提取公司名称、手机号、地址、邮箱、总金额的需求，下面是可落地的文本标注方法，重点讲Regex实现和辅助规则：

一、Regex模式实现（按字段分类） #

Regex是快速匹配结构化信息的首选，针对不同字段的通用匹配规则如下：

1. 手机号码 #

适配多数地区的号码格式（支持国际区号、分隔符）：

^(\+?\d{1,3}[-.\s]?)?\d{10,15}$

如果是国内收据，可简化为更精准的规则：

^1[3-9]\d{9}$

2. 邮箱地址 #

标准通用邮箱格式匹配：

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

3. 总金额 #

适配带货币符号、千分位、小数的金额格式：

(总计|Total|Amount Due)\s*(\D?(\d{1,3}(,\d{3})*|\d+)(\.\d{2})?)

如果收据没有“总计”这类关键词，可直接匹配纯金额格式：

^\D?(\d{1,3}(,\d{3})*|\d+)(\.\d{2})?$

4. 公司名称 #

纯Regex难以覆盖所有格式，结合关键词+位置匹配：

• 匹配含公司后缀的文本：

.*(有限公司|Inc\.|Corp\.|Ltd\.|股份公司|集团).*

• 结合google_ml_kit返回的文本块坐标，优先取顶部（y坐标最小）的文本块，因为公司名通常在收据抬头位置。

5. 地址 #

同样结合关键词+上下文：

• 匹配带地址标识的文本：

(地址|Add:|Address:|住址)\s*(.*)

• 提取该文本块后续的1-3行内容，因为地址通常是多行连续的；也可匹配含街道、邮编、城市关键词的行：

.*(\d+号|街道|Street|Road|City|邮编|Zip).*

二、Dart代码示例（适配google_ml_kit） #

假设你已经通过google_ml_kit提取了文本行列表List<String> receiptLines，以下是字段提取的实现：

提取邮箱 #

RegExp emailRegex = RegExp(r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$');
String? extractEmail(List<String> lines) {
  for (var line in lines) {
    final trimmedLine = line.trim();
    if (emailRegex.hasMatch(trimmedLine)) {
      return trimmedLine;
    }
  }
  return null;
}

提取手机号 #

RegExp phoneRegex = RegExp(r'^(\+?\d{1,3}[-.\s]?)?\d{10,15}$');
String? extractPhone(List<String> lines) {
  for (var line in lines) {
    final trimmedLine = line.trim();
    final matches = phoneRegex.allMatches(trimmedLine);
    if (matches.isNotEmpty) {
      return matches.first.group(0);
    }
  }
  return null;
}

提取总金额 #

String? extractTotalAmount(List<String> lines) {
  // 先匹配带关键词的金额
  RegExp totalKeywordRegex = RegExp(r'(总计|Total|Amount Due)\s*(\D?(\d{1,3}(,\d{3})*|\d+)(\.\d{2})?)', caseSensitive: false);
  for (var line in lines) {
    final trimmedLine = line.trim();
    final matches = totalKeywordRegex.allMatches(trimmedLine);
    if (matches.isNotEmpty) {
      return matches.first.group(2);
    }
  }
  // 无关键词则从底部匹配纯金额
  RegExp amountRegex = RegExp(r'^\D?(\d{1,3}(,\d{3})*|\d+)(\.\d{2})?$');
  for (var line in lines.reversed) {
    final trimmedLine = line.trim();
    if (amountRegex.hasMatch(trimmedLine)) {
      return trimmedLine;
    }
  }
  return null;
}

三、优化方案（针对复杂收据） #

如果收据格式差异大，Regex匹配准确率不足，可结合google_ml_kit的文本块位置信息：

• 公司名：筛选y坐标最小的前2个文本块，检查是否含公司后缀关键词；
• 地址：找到带“地址”关键词的文本块后，提取其下方相邻的2-3个文本块合并为地址；
• 总金额：优先取y坐标较大的文本块（收据底部），匹配金额格式。

如果需要更高准确率，可考虑训练轻量的命名实体识别（NER）模型，但Regex是最快落地、成本最低的方案。

内容的提问来源于stack exchange，提问作者Mou Rani Biswas