Java：如何删除字符串中除a-z，数字和德语字符以外的所有字符

我正在研究Spring-MVC应用程序，我们正在其中集成OCR功能。 OCR有一个习惯，就是为了错误的检测以及在背景中存在图像而丢弃通配符。处理完图像后，我们获得了相当不错的数据，但仍然存在一些错误。我们想要如下处理输出：Java：如何删除字符串中除a-z，数字和德语字符以外的所有字符

删除输出字符串中的所有单个字符。
删除除A-Z，a-z，德语字符（如äöü，ÄÖÜ，ß）以外的所有字符。
空格和数字应保持不变。

代码：

File imageFile = new File(fileLocation); 

      BufferedImage img = ImageIO.read(imageFile); 
      BufferedImage blackNWhite = new BufferedImage(img.getWidth(),img.getHeight(),BufferedImage.TYPE_BYTE_BINARY); 
      Graphics2D graphics = blackNWhite.createGraphics(); 
      graphics.drawImage(img, 0, 0, null); 
      String blackAndWhiteImage = zipLocation + String.valueOf(new BigInteger(130, random).toString(32))+".png"; 
      File outputfile = new File(blackAndWhiteImage); 
      ImageIO.write(blackNWhite, "png", outputfile); 

      ITesseract instance = new Tesseract(); 
      // Point to one folder above tessdata directory, must contain training data 
      instance.setDatapath("/usr/share/tesseract-ocr/"); 
      // ISO 693-3 standard 
      instance.setLanguage("deu"); 
      String result = instance.doOCR(outputfile); 
      //System.out.println(result); 
      result = result.replaceAll("\\P{ASCII}",""); 
      System.out.println("Result is "+result); 
      return result;

谢谢。

更新

野生字符由正则表达式左：

| 
| '(°Ul") 
_} ° 
=# ' 
() 
...................................__+_......_._._.__._._._+._._.

来源

2017-02-28 We are Borg

正则表达式应该是''[[ÖÖäÄüÜßa-zA-Z]'' – osanger

广告。 1.
result.replaceAll("\\s[a-zA-ZöÖäÄüÜß]\\s", "");
Ad。 2.
result.replaceAll("[^a-zA-ZöÖäÄüÜß]", "");

来源

2017-02-28 12:39:20 xenteros

我认为步骤1还应该删除数字，并保留其中一个空格。像'\\ s [a-zA-Z \döÖäÄüÜß] \ b'这样的东西也可以在最后一个字符后面没有空格的句子结尾处起作用。 –

谢谢，我不想删除数字。我应该使用2nd还是1st？谢谢。 –

@WeareBorg你必须使用它们两个。这是一个两步过程。 –

这是我最后用来解决这个问题的正则表达式：

result = result.replaceAll("[^a-zA-Z0-9öÖäÄüÜß@\\s]", "");

谢谢。

来源

2017-02-28 13:04:17

Java：如何删除字符串中除a-z，数字和德语字符以外的所有字符

回答

相关问题