regex - 从 OCR 图像文件中提取文本

Question

我正在尝试从 OCR 图像中提取一些字段。我正在使用 pytesseract 读取 OCR 图像文件，这按预期工作。

代码:

import pytesseract
from PIL import Image
import re

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract- 
OCR\tesseract.exe"

value = Image.open("ocr.JPG")
text = pytesseract.image_to_string(value)
print(text)

输出:

ALS 1 Emergency Base Rate
Y A0427 RE ABC
Anbulance Mileage Charge

Y A0425 RE ABC
Disposable Supplies
Y A0398 RH ABC

184800230, x

接下来，我必须从文本中提取 A0427 和 A0425.. 但问题是我没有循环遍历整行.. 它一次获取一个字符，这就是我的正则表达式不起作用的原因..

代码:

for line in text :
    print(line)
    x= re.findall(r'^A[0-9][0-9][0-9][0-9]', text)
    print(x)

Answer 1

也摆脱 for 循环，仅使用

x= re.findall(r'A[0-9][0-9][0-9][0-9]', text)

没有任何循环。 ('也删除 ^')