正方体输出中的奇怪符号

Question

我想知道为什么这个符号会出现在输出中以及如何删除它。

我使用的所有图片都有相同的行为。

我无法摆脱它。

我需要从图像中提取的不带该符号的值，因为稍后我将在其他地方使用它。

脚本.py

import pytesseract as ocr
from PIL import Image

custom_config = r'--psm 3'
phrase = ocr.image_to_string(Image.open('image.jpg'), config=custom_config)
print(phrase)

使用 pytesseract

使用正方体

图片.jpg

Answer 1

这些是换页符（FF、\u000C）字符，Tesseract 使用它们来分隔 OCRed 文本的页面。您可以在打印到控制台之前修剪输出字符串。