當開始與許多廠商聯繫，
認識了越來越多人，
自然而然會累積許多名片。
要是未來希望能搜尋特定廠商的特定聯絡人呢?
我們可以在一開始拿到名片的時候，
就將名片上的資訊進行萃取，
並且依照辨識到的字串，依據字串內容預測其可能的欄位，
寫入excel表格或是資料庫。

這裡採用監督式學習演算法，
我們大約需要自己標註20張名片的資料集。

我們使用上一篇文章所使用的google client vision程式來進行處理，

# !/usr/bin/python
# coding:utf-8

from google.cloud import vision
import io
import os 
import glob

credential_path = "cred.json"
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = credential_path

client = vision.ImageAnnotatorClient()

def extract_txt(file_path):
    with io.open(file_path, 'rb') as image_file:
        content = image_file.read()

    image = vision.Image(content=content)

    response = client.text_detection(image=image)
    texts = response.text_annotations
    return texts[0].description


for filepath in glob.iglob('*.png'):
    print(filepath)
    extract_str = extract_txt(filepath)
    new_txt_file_name =filepath[0:-4] + '.txt'
    new_txt_file_path = os.path.join('./txt_file',new_txt_file_name)
    with open(new_txt_file_path, 'w', encoding='UTF-8') as f:
        f.write(extract_str)

為了節省成本，圖片轉成文字的過程只進行一次，
我們將文字資訊存成txt檔案，以利於往後處理。

接著對文字檔案進行操作:

import glob
import csv

replace_string_list = [':',',','"',"'",' ','地址','email','電話','手機','tel','傳真','職稱','姓名','統一編號','LINE','line']

for filepath in glob.iglob('*.txt'):
    # print(filepath)
    with open(filepath, 'r' , encoding='UTF-8') as f:
        content = f.read()
        print(content)
    for  replace_string in replace_string_list:
        content=content.replace(replace_string,'')
        
    
    with open('train.csv', 'a+' , encoding='UTF-8') as csvfile:
        fieldnames = ['content','label']
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
        content_list = content.split('\n')
        for content_ele in content_list:
            writer.writerow({'content': content_ele, 'label': ''})

剔除一些未來會影響字串預測的文字(可依據模型表現新增或修改)，
我們將資料寫於csv，
自行進行標註以及加上Index。

明天再進行文字特徵提取，建模以及預測。