Python 计算光学字符识别精度

我需要计算OCR字符的准确度

采样地面值：

不沉没的船就是友谊

样本ocr值输入：

不唱歌的船是好船

关注的领域包括：

遗漏字符

额外字符

错位字符

字符精度由实际字符数及其位置除以实际字符总数来定义

我需要一个python脚本来找到这种准确性。我的初步实施如下：

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"
ground_value_characters = (re.sub('\s+', '',
                                      ground_value)).strip()  # remove all spaces from the gr value string
    ocr_value_characters = (re.sub('\s+', '',
                                   ocr_value)).strip()  # remove all the spaces from the ocr string 

 total_characters = float(len(
        ground_value_characters))  

def find_matching_characters(ground, ocr):
  total = 0
  for char in ground:
    if char in ocr:
      total = total + 1
      ocr = ocr.replace(char, '', 1)
  return total

found_characters = find_matching_characters(ground_value_characters,
                                                ocr_value_characters)

accuracy = found_characters/total_characters

---

我无法得到我所希望的。任何帮助都将不胜感激。

如果您还没有接受这个精确的定义（或者如果您是并且想要深入研究python Levenshtein的细节），那么我将这样解决这个问题：

pip安装python Levenshtein

从Levenshtein导入距离
ground\u value=“不沉没的船就是友谊”
ocr_value=“非歌唱船为精船”
打印（距离（地面值、ocr值））

这将以相对高性能的方式为您提供汉明距离、操作码和类似的功能

---

如果这是一个家庭作业，或者你的目的是学习如何实现字符串算法，那么这些都没有用，但是如果你只是需要一个好的度量，这就是我要使用的。

这与浮动精度无关。