R语言如何将image_ocr与cat生成的向量转为可正则处理的字符串

你遇到的问题根本原因是错误使用了cat()函数。cat()的作用是将内容打印到控制台，它本身的返回值是NULL，哪怕你套了as.character()转换，得到的也是长度为0的空字符向量，自然没法做后续正则处理。你运行赋值语句时直接看到的文本输出，就是cat()打印到控制台的结果，这些内容根本没有被存入你定义的text变量中。

image_ocr()返回的本身就是字符向量，要合并两个OCR结果直接用paste()拼接即可，不需要调用cat()，修正后的代码如下：

# 加载依赖包
library(magick)
library(tesseract)

# 读取图片文件
text.1 <- image_read("dthw02_Olympics_1.jpg")
text.2 <- image_read("dthw02_Olympics_2.jpg")

# 提取OCR文本并拼接，用换行符做分隔避免内容粘连
text <- paste(image_ocr(text.1), image_ocr(text.2), sep = "\n")
class(text) # 返回正常的"character"类型，且包含识别到的全部内容

# 测试正则替换
# 仅替换全小写的paris
text <- gsub("paris", "PARIS", text)
# 如果需要匹配所有大小写形式的paris，可以加ignore.case参数
# text <- gsub("paris", "PARIS", text, ignore.case = TRUE)

# 查看处理结果
print(text)

如果后续需要把处理好的文本格式化输出到控制台，再单独调用cat(text)即可，不要在赋值语句中使用cat()。

内容的提问来源于stack exchange，提问作者data_life