ocr之splitLine()函数

ocr之splitLine()函数

• 该函数的功能是为实现对每行的文字分段而设计的。流程如下：

一. 针对时间格式，提前取出来

def processTimeStr(timeFound,lineText):

• 该函数是针对每行的文本lineText中的时间格式，提前取出来
• 其中，用正则表达式匹配，匹配到各种时间格式就标记为elemList[i]['Delete'] = 1，然后判断有Delete键的字符就删除，这样elemList就剩下去掉时间格式之后的文本。

二. 删除时间以及英文单词之间的以外的空格

三. 先把上下多行有重叠部分的摘出来，这个不必进行分段，默认为同段

四. 对于非重叠的，则进行分段，依据各字符之间的间隔的不同作为分组条件

五. 求gap，先摘出所有字符紧挨着的gap，赋予groupId = -1，剩余的不紧挨的，按gap排序，然后一次赋值0 1。。。

六. 根据gapList中的groupId进行分组，按照顺序从左到右，遇到groupId不同的，就是分组边界,最后，再按照每组中的第一个元素的x坐标，进行组排序