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)
最佳答案
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 ^')
关于regex - 从 OCR 图像文件中提取文本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55934248/