OCR混淆0和"o“--如何在python中指定零或字母"o”？

Question

我使用OCR来读取图像和PDF，然后我尝试从其中提取某些数字。在某些情况下，OCR算法将零读为字母"o“。

OCR给了我一条绳子：

Siabicbnenl| 033-7 | _o3300.81086 42000.000002 20852.301017 1 82510000030694



Prerfasa afesad

如果OCR读对了，它会让ben这样做：

Siabicbnenl| 033-7 | _03300.81086 42000.000002 20852.301017 1 82510000030694



Prerfasa afesad

我想抓住那个03300.81086 42000.000002 20852.301017 1 82510000030694

如果OCR读对了，我的模式(?s)\d{5}\.?\d{5}.*?\d{5}\.?\d{6}.*?\d{5}\.?\d{6}.*?\d.*?\d{14}会很好，但在这里，我接触到了一个新的情况：

OCR将零与"o"混淆

是否有一种方法可以修正我的模式，以便将"o“考虑为零，或者我需要创建一个if 'didnt find anything': str.replace("o",0)并再次运行它？

Answer 1

字符类\d对于ASCII输入等效于[0-9]。如果您也想包含小写的"o“，那么现在可以在任何地方使用[0-9o] --您可以使用\d。

如果您期望输入包含ASCII 0到9以外的其他数字字符，则可以将\d和o组合在一个(捕获)组中，并有两个替代方案：(\d|o)。如果你喜欢的话，你也可以让它不被捕获：(?:\d|o)。