请保留之前版本中 OCR文本后处理 - 排版解析方案中的 /单行/ 模式

[seabear01]

Issues

• I have browsed through the Issues. 我已浏览过Issues，确定没有重复的建议。

Expected behavior 预期的功能

测试了2.1.2版本中 单栏 - * 下的所有模式，都没有和之前 /单行/ 模式相同的，单行模式在识别表格数据时非常友好，他将表格内所有数据都以换行的形式输出，这给后期二次处理带来了极大的便利，而新的模式下，表头位置输出成一行，而且每列之间都没有预留空格或换行，后期处理起来很麻烦。
希望能保留之前 /单行/ 模式，谢谢！

Approximate reference (optional) 近似的参考（可选）

No response

[hiroi-sora]

你好。如果你指的是v1版本中的“单行”模式，那么v2版本中对应的是“不做处理”模式。

[seabear01]

你好。如果你指的是v1版本中的“单行”模式，那么v2版本中对应的是“不做处理”模式。

。

感谢您的回复，v2.01版的时候也有“单行”模式，现在的“不做处理”模式识别时我试了几张表格图片，总有列首顺序会被识别错误的现象。

[hiroi-sora]

不好意思我搞错了，v2.0.1的 段落合并 - 单行 模式，对应的是 v2.1.2 的 排版解析方案 - 单栏-总是换行 模式。这两个模式的代码逻辑是相似的。

你是发现旧的 单行 跟新的 单栏-总是换行 存在差异吗？我这边测试是没有太大区别。

请问你可否提供个样例（表格截图），这两个模式的输出结果不一致。我会检查下代码流程，看看是否有问题。

[seabear01]

[hiroi-sora]

明白了。旧版的 单行 有一个判定：在同一水平线上，但是间隔太远的文本，会设置为换行。而新版的 单栏-总是换行 则没有这个判定，不管间隔多远，只要在同一水平线上，都视为同一行。

你可以在新版中添加一些代码，来恢复旧版的效果。操作步骤：

1. 对于 v2.1.2 版本，用记事本或编辑器打开 UmiOCR-data\py_src\ocr\tbpu\parser_single_line.py 。
2. 在第46行，找到以下的内容：

            # 处理完一行
            for i2 in range(len(now_line) - 1):

3. 在这行之后，添加如下的代码。你可以根据需要，设置间隙阈值（下方的1.5）。

                # 检查同一行内相邻文本块的水平间隙，间隙太大的设置换行
                l1, t1, r1, b1 = now_line[i2]["normalized_bbox"]
                l2, t2, r2, b2 = now_line[i2 + 1]["normalized_bbox"]
                h = b1 - t1
                if l2 - r1 > h * 1.5:  # 相邻的间隙大于 1.5 倍行高，则设置换行
                    now_line[i2]["end"] = "\n"
                    continue

改完后，如下图所示。注意代码的缩进，一定要和图中一样。

4. 保存文件，重启Umi-OCR，使用 单栏-总是换行 模式进行测试。

[seabear01]

非常感谢您的回复。