如何用Python生成OCR误识别场景下所有字符替换的排列组合

核心逻辑为笛卡尔积遍历：

• 对输入字符串的每个字符，生成该位置所有可能的取值：若字符存在于误分类映射规则中，取值包含原字符 + 所有误识别结果；若不存在，取值仅为原字符本身
• 对所有位置的取值列表做笛卡尔积运算，将每组运算结果拼接为字符串，即为所有可能的误分类替换结果

import itertools
from typing import List, Dict

def generate_ocr_permutations(input_str: str, misclassification_rule: Dict[str, List[str]]) -> List[str]:
    # 构造每个位置的候选值列表
    char_candidates = []
    for char in input_str:
        if char in misclassification_rule:
            # 候选包含原字符 + 所有误识别结果
            candidates = [char] + misclassification_rule[char]
        else:
            candidates = [char]
        char_candidates.append(candidates)
    # 求笛卡尔积并拼接为字符串
    permutations = []
    for group in itertools.product(*char_candidates):
        permutations.append(''.join(group))
    # 可选：如果存在不同替换路径得到相同结果的场景，可打开下一行去重
    # permutations = list(set(permutations))
    return permutations

# 代入你给出的规则和输入测试
rule = {'1':['J'], '2':['Z','J']}
input_str = "AB1CD2"
result = generate_ocr_permutations(input_str, rule)
print(result)
# 输出结果：['AB1CD2', 'AB1CDZ', 'AB1CDJ', 'ABJCD2', 'ABJCDZ', 'ABJCDJ'] 共6条，和预期完全一致

• 如果需要处理大小写不敏感的场景，可以提前将输入字符串和映射规则的键统一转为大写/小写再处理
• 当规则比较复杂时，结果数量会呈指数级增长，可根据业务需要增加长度阈值限制

内容的提问来源于stack exchange，提问作者Siddharth Shivkumar