OCR识别法律文档后，基于nltk分词提取指定键值对的方案咨询

我现在碰到个棘手的问题，想请教大家：

目前我要完成的任务是从OCR识别后的法律文档里，提取约40个属性的键值对，最终存储到Excel中。

已经完成的工作如下：

• 搞定了OCR模块，能顺利将文档转换为可处理的文本
• 用nltk完成了文本分词操作
• 已经定义好目标属性的字典示例：

  dictionary = {
      "Lease Term":["<data in years>"], 
      "Rent" : ["<maybe float numbers>"], 
      "Car parking Spaces":["<number of parking spaces>"], 
      "Lessor Name":["<String value>"]
  }
  

现在卡在了最关键的一步：怎么精准识别并提取每个属性对应的取值？

我了解到有两个可选方案：

1. 用正则匹配的方式对应每个属性的取值
2. 用样本数据训练模型（我手头有700份样本，计划用其中约100份作为训练集）

但现实困境是：团队成员都是非技术背景的财务人员，要求我几天内就得完成实现。可这两个方案都需要从零学习，还要做大量手动测试，时间完全赶不上。有没有更高效、易上手的可行解决办法？

内容的提问来源于stack exchange，提问作者A Jain