OCRしたテキストを整形

するscript

OCRをかけたとき、不自然な空白が挟まってしまうことがある。それを取り除くためのscript

やること

全角文字の間に挟まっている空白を取り除く

末尾の空白を消す

半角英数で囲まれている空白は無視する

code:script.js

export function tidy(text, {removeBracket = false} = {}) {

const tidied = text

.split(/\n\r?|\r?\n|\f/g)

.flatMap(line => /^\s*$/.test(line) ? [] : [

line

.replace(/(?<!\w)\s+(?=\W)/g, '')

.replace(/\s+$/, '')

])

.join('\n');

return removeBracket ? tidied.replace(/\[(^\]+)\]/g, ' $1 ') : tidied;

}

code:script.d.ts

export function tidy(text: string, option: {removeBracket: boolean}): string;

雑誌のOCRで、Gyazo OCRが行送りを逆に認識してしまう場合がある

その時に使う

code:js

scrapbox.PopupMenu.addButton({

title: "reverse",

onClick: (text) => text.split("\n").reverse().join("\n"),

});