如何从包含固定地址的包裹标签中提取特定用户编码

方案1：基于AWS Textract空间坐标匹配（准确率最高） #

AWS Textract返回的每一段文本结果都会附带包围盒（Bounding Box）坐标信息，你可以结合固定地址的位置限定搜索范围：

• 第一步：提前匹配已知的固定地址文本，拿到对应文本块的包围盒坐标，计算出地址区域的上下左右边界值
• 第二步：根据标签的实际布局，设置周边搜索阈值，比如仅搜索地址区域上下偏移15%、左右覆盖整个标签宽度的范围
• 第三步：只遍历落在上述搜索范围内的所有文本块，用优化后的正则匹配目标编码即可

方案2：基于文本上下文匹配（实现最简单） #

如果不需要处理坐标，可直接通过文本相邻关系过滤：

• 第一步：将Textract提取的全量文本按换行/文本块拆分为多个片段
• 第二步：定位到包含固定地址的文本片段，同时取出该片段前后相邻的1~2个片段（根据标签实际布局调整数量）
• 第三步：仅在这几个限定的片段内匹配目标编码，过滤掉其他无关区域的内容

正则优化建议 #

你原来的正则依赖空格、点号做边界，容易漏匹配换行、其他标点分隔的场景，可替换为单词边界匹配：
\b(?:[A-Za-z]{2}\d{6}|\d{6})\b
该规则匹配独立出现的6位纯数字、或2位字母加6位数字的组合，不受前后分隔符类型限制。

补充校验逻辑 #

如果出现多匹配结果，可优先选择和固定地址的空间距离最近、或文本位置最相邻的结果，进一步提升准确率。

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