JP OCR Date Fix

Repair Japanese dates that OCR broke (今和6年3月15曰 → 令和6年3月15日), and only when the calendar confirms the result.

OCR often misreads the era name 令和 as 今和 or 合和, 日 as 曰, and 0/1 as O/l. One public test of a document parser on Japanese PDFs found the 令→今 error on roughly all OCR-processed pages (source). An AI that reads that text then extracts a date that does not exist, or guesses.

This tool fixes those spans with fixed rules and checks each result:

• the span must have a full date shape: era + year + 年 + month + 月 (+ day + 日), or YYYY年M月(D日)
• characters are mapped through a fixed look-alike table (今合命冷→令, 戒威→成, 照→昭, 曰目→日, O→0, l|→1, …)
• the repaired date must exist and fall inside its era (平成31年4月30日 is valid, 平成31年5月1日 is not)
• if it cannot be confirmed, the text is left as it is and the span is returned in flags

Python standard library only. No network. MIT.

Use

python -m jpocrdate scan.txt            # repaired text to stdout, changes to stderr
python -m jpocrdate scan.txt --json     # {"text", "changes", "flags"}

from jpocrdate import fix_text, check_date
check_date("平戒31年4月30日")
# {'input': '平戒31年4月30日', 'status': 'fixed', 'date': '平成31年4月30日', 'iso': '2019-04-30'}
check_date("平成31年5月1日")
# {'input': '平成31年5月1日', 'status': 'invalid', 'reason': 'date is outside 平成'}

As an MCP server (for AI agents)

{"mcpServers": {"jp-ocr-date-fix": {"command": "python", "args": ["-m", "jpocrdate.server"], "cwd": "/path/to/jp-ocr-date-fix"}}}

Tools (read-only):

Scope and limits

• Eras: 明治, 大正, 昭和, 平成, 令和. Abbreviations such as R6.3.15 or H31/4/30 are not handled yet
• Only dates are repaired. Company names and amounts are out of scope (see JaPOC for company-name correction)
• The look-alike table is hand-made from common OCR confusions. It is not learned from data, and it will miss some errors
• Tests: python -m unittest discover -s tests (18 tests)

日本語

OCRで崩れた日本の日付(今和6年3月15曰 など)を、決まったルールで直します。直した結果が暦に実在し、元号の期間内にあるときだけ直します。確かめられないものは直さずに flags で知らせます(推測しません)。

• 対応: 明治・大正・昭和・平成・令和、元年、全角数字、年月だけの日付
• 外部通信なし・Python標準ライブラリのみ・MIT
• AIエージェントからは MCP サーバー(python -m jpocrdate.server)として使えます