Python OCR地址处理：将多行字段合并为每行三字段的格式优化请求

当前输出格式 #

现有tess_address函数生成的address.txt格式如下：

First Name,
Address,
City State Zip,
Second Name,
Second Address,
Second City State zip,

期望输出格式 #

需要直接生成每3个字段合并为一行的格式：

First Name, Address, City State Zip,
Second Name, Second Address, City State Zip,

优化后的代码 #

import os
import re
import pytesseract

def tess_address():
    files = os.listdir("address")
    sorted_files = sorted(files)
    # 一次性打开文件，减少IO操作
    with open("address.txt", 'w', encoding='utf8') as output_file:
        for image in sorted_files:
            # 用os.path.join适配不同系统路径
            image_path = os.path.join("address", image)
            # OCR识别文本
            text = pytesseract.image_to_string(image_path)
            # 移除原有逗号
            clean_text = re.sub(",", "", text)
            # 分割行并过滤空行（处理OCR可能识别出的无效空行）
            valid_lines = [line.strip() for line in clean_text.splitlines() if line.strip()]
            # 每3行一组合并成目标格式
            for idx in range(0, len(valid_lines), 3):
                # 取出当前组的3行内容
                address_group = valid_lines[idx:idx+3]
                # 合并为一行，字段间用", "分隔，末尾加逗号
                merged_line = ", ".join(address_group) + ","
                output_file.write(f"{merged_line}\n")

优化说明 #

• IO效率提升：使用with上下文管理器统一处理文件读写，避免循环中反复打开/关闭文件，同时保证文件自动关闭。
• 路径兼容性：替换手动拼接路径为os.path.join，适配Windows、Linux等不同操作系统的路径规则。
• 空行处理：过滤OCR识别出的空行或空白内容，避免分组逻辑出错。
• 直接生成目标格式：通过切片按3行一组批量合并，无需后续调用额外处理函数，一步到位生成所需格式。
• 代码可读性：简化冗余逻辑，变量命名更清晰，便于后续维护和理解。

内容的提问来源于stack exchange，提问作者kmsgli