我正在尝试清除质量差的 OCR 读取的结果,尝试删除我可以安全认为是错误的所有内容。
所需的结果是一个 6 位数字字符串,因此我可以从结果中排除任何不是数字的字符。我也知道这些数字是按顺序出现的,所以任何乱序的数字也很可能是不正确的。
(是的,修复质量是最好的,但不是......他们不会/不能更改他们的文件)
我立即Trim()
删除空格,因为这些最终会成为文件名,所以我也删除了所有非法字符。
我找出了哪些字符是数字,并将它们添加到字典中,对照它们所在的数组位置。这让我对数字序列有一个清晰的视觉指示,但我在如何让我的程序识别这一点的逻辑上苦苦挣扎。
使用字符串“ Oct', 2$3622 ”(实际读取错误)进行测试,理想的输出是“ 3662 ”
public String FindLongest(string OcrText)
{
try
{
Char[] text = OcrText.ToCharArray();
List<char> numbers = new List<char>();
Dictionary<int, char> consec = new Dictionary<int, char>();
for (int a = 0; a < text.Length; a++)
{
if (Char.IsDigit(text[a]))
{
consec.Add(a, text[a]);
// Won't allow duplicates?
//consec.Add(text[a].ToString(), true);
}
}
foreach (var item in consec.Keys)
{
#region Idea that didn't work
// Combine values with consecutive keys into new list
// With most consecutive?
for (int i = 0; i < consec.Count; i++)
{
// if index key doesn't match loop, value was not consecutive
// Ah... falsely assuming it will start at 1. Won't work.
if (item == i)
numbers.Add(consec[item]);
else
numbers.Add(Convert.ToChar("#")); //string split value
}
#endregion
}
return null;
}
catch (Exception ex)
{
string message;
if (ex.InnerException != null)
message =
"Exception: " + ex.Message +
"\r\n" +
"Inner: " + ex.InnerException.Message;
else
message = "Exception: " + ex.Message;
MessageBox.Show(message);
return null;
}
}