Python 如何根据提供的词典筛选Tesseract的结果？

我刚开始学习Python，现在已经开始学习Tesseract来创建一个供我自己使用的工具。我编写了一个脚本，用于拍摄屏幕特定部分的四个屏幕截图，然后使用Tesseract从这些图像中提取数据。它基本上是准确的，并且几乎100%的时候都能得到单词，但是仍然有一些垃圾字母和符号，我不希望出现在结果中

与其尝试处理图像（如果这真的是最简单的方法，我可以这样做，但我仍然觉得这会导致更多我不想要的数据通过），我只想保留我可以提供的词典中的结果中的单词

import cv2
import pytesseract
import pyscreenshot as ImageGrab
im=ImageGrab.grab(bbox=(580,430,780,500))
im.save(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab.png')

im2=ImageGrab.grab(bbox=(770,430,960,500))
im2.save(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab2.png')

im3=ImageGrab.grab(bbox=(950,430,1150,500))
im3.save(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab3.png')

im4=ImageGrab.grab(bbox=(1140,430,1320,500))
im4.save(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab4.png')

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

from PIL import Image

image = Image.open(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab.png')
image2 = Image.open(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab2.png')
image3 = Image.open(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab3.png')
image4 = Image.open(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab4.png')

print(pytesseract.image_to_string(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab.png'))
print(pytesseract.image_to_string(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab2.png'))
print(pytesseract.image_to_string(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab3.png'))
print(pytesseract.image_to_string(r'C:\Users\Charlie\Desktop\tesseract_images\imagegrab4.png'))

这就是我上面写的。它可能没有尽可能干净，但它做了我现在想要的。当我根据我拍摄的测试屏幕截图运行程序时，我得到以下结果：

Ballistica Prime Receiver

a

   

  

“Ze ij
Titania Prime Blueprint

—

 

‘|! stradavar Prime
Blueprint

My.

 

Bronco Prime Barrel

uby-

 

这是我的截图：

---

它可以很好地提取单词，但是不需要像“uby-”和“'|！”这样的数据，这就是为什么我希望通过只保留字典中的单词来清除它们。如果有更简单的方法，我很想知道，因为我已经一天左右没有使用Tesseract了，除了上面提到的图像处理之外，我不知道还有其他方法可以使用它。

你能添加一张测试图片吗screenshot@TERMINATOR编辑了这篇文章以包含itI，因为我帮助添加了图片您可以添加您的考试图片吗screenshot@TERMINATOR编辑了这篇文章，包括了我看到的，因为你的代表性很低，我帮你添加了这张图片