从文件中读取时一次跳过空格

Posted 2021-05-07

我正在做一个项目（python语言），它涉及使用OCR（使用tesseract-ocr）从图像中获取文本并将其存储到文件中。然后我必须逐个字符地读取文件，并为检测到的字符执行一些功能。我遇到的问题是，有时转换后创建的文件在文本文件的开头有很多空格（甚至是空行）。我不必为空格使用任何函数，所以我想一次忽略它们，这样可以节省我的时间。我在raspberry-pi上运行代码，内存非常少，需要一些时间来比较每个字符并逐个跳过。

camera.capture('test.png')

camera.resolution = (1920, 1080)
camera.brightness = 60 

call(["tesseract","/home/pi/Desktop/fyp_try/test.png","/home/pi/Desktop/fyp_try/totext"])

f = open('/home/pi/Desktop/fyp_try/totext.txt','r')

message = f.read()
print(message)

for i in message:
    print(i)
    if(i>='a')and(i<='z'):
        lst=a[i]
        lstoperate()
    elif(i>='A')and(i<='Z'):
        lst=a['dot']
        stoperate()
       time.sleep(2)
        smol=i.lower()
        lst=a[smol]
        lstoperate()
    elif (i>='0')and(i<='9'):
        lst=a['numsign']
        lstoperate()
        print(ord(i))
  ..............

对每个角色的操作之后是2-3秒的睡眠时间。遇到空格时也会发生这种情况。有没有办法我可以一次忽略所有的空格，直到文件中的非空格字符开头阅读它。

答案

如果要在资源成本较低的单个操作中去除所有空白，则需要避免使用split / join（这有效，但临时内存成本较高）。

有两种明显的方法，即延迟过滤方法：

 from itertools import filterfalse

 ...

 for i in filterfalse(str.isspace, message):
     ...

从来没有新的str，但只是过滤掉你不关心的角色。

或者将它们全部剥离（将初始内存消耗加倍，然后降低到剥离版本所需的内容），使用str.translate：

 from string import whitespace

 dropspaces = str.maketrans('', '', whitespace)

 ...

 message = f.read().translate(dropspaces)

这将剥离所有ASCII空格，就像执行.replace(' ', '').replace(' ', '').replace(' ', '').etc...一样，但是在一次传递中，生成一个输出字符串，同时剥离所有空格。

另一答案

可以使用John Szakmeister提到的各种条带和连接功能来完成。还有Can refer to this link。