我正在与西班牙语的OCR项目一起工作。相机在一行文本中捕捉不同的帧。该行文本包含这个:
Este texto,es una prueba del dispositivo lector para no videntes。
经过一些操作后,我得到如下字符串:
s1 = "Este texto, es una p!"
s2 = "fste texto, es una |prueba u.-"
s3 = "jo, es una prueba del dispo‘"
s4 = "prueba del dispositivo \ec"
s5 = "del dispositivo lector par:"
s6 = "positivo lector para no xndev"
s7 = "lector para no videntes"
s8 = "¡r para no videntes."我想加入字符串,以便可以像最后一个字符串那样获取扫描行的文本:
sf = "Este texto, es una prueba del dispositivo lector para no videntes."开始时,我尝试在两个字符串之间使用SequenceMatcher,但它不起作用:
# -*- coding: utf-8 -*-
from difflib import SequenceMatcher as sq
s1 = "Este texto, es una p!"
s2 = "fste texto, es una prueba u.-"
match = sq(None, s1, s2).find_longest_match(0, len(s1), 0, len(s2))
print unicode(s1 + s2[match.b + match.size:])结果包含无效字符,如|或!:
>>>Este texto, es una p!|prueba u.-s2和s3之间:
>>>fste texto, es una |prueba u.-prueba del dispo‘等我在Windows 7上使用python 2.7。