随着信息化时代的到来,传统的文献检索方式越来越难以满足读者的需求,文献检索方式信息化的需求越来越迫切。文献检索方式信息化,需要将传统的纸质文献检索目录卡片转化为电子文档。对于纸质目录卡片电子化,很多单位还停留在人工输入的阶段,这不仅费时费力,而且还容易出错。在光采集设备和计算机设备日益普及的今天,各行各业在日常工作中越来越多的使用OCR技术将图像文字资料快速准确的转化为计算机文字。同时,针对大规模数据集,分布式系统是解决海量数据处理的有效途径之一。本文以传统的文献检索方式信息化需求为背景,主要研究怎么对传统的纸质目录卡片进行快速而有效的文字识别。目前,已有的OCR技术能够有效地识别常规的纸质材料。但是目录卡片包含多条分散在卡片上的信息,已有的OCR技术无法正常区分多条信息,甚至在遇到一些版面背景比较复杂的目录卡片时识别会出现错误。而且当目录卡片数量巨大时,如果使用单人单机的模式进行处理,处理速度肯定是不能满足需求的,所以需要一种更加快速的处理方式。针对以上问题,本文先是在分析了目录卡片的信息和版面特征之后,设计了一种目录卡片多元信息处理算法,通过文字区域提取、基于单词的坐标语句定位、基于语句坐标的语句属性确定和带预处理OCR识别这四个步骤,将纸质目录卡片里的多条属性信息分离并识别出来,方便了工作人员的后期整理和归档;然后使用MapReduce模型对目录卡片多元信息处理算法进行了并行化处理,使其可以快速有效地处理大规模数据集。实验结果表明,本文提出的目录卡片多元信息处理算法可以有效地提取出纸质目录卡片上的信息并对其进行分离,本文提出的基于MapReduce的并行目录卡片识别可以大大提高海量目录卡片的处理效率。本文的研究内容可以应用于实际,减轻文献管理人员的工作压力。