[分享]OCR后的文本每行后的回车符清除一法

c81

如果一篇文档是从OCR获得的，有时每行后都有一个回车的现象，即每行右侧不是自动换行的，纵看象“狗牙齿”似的不齐。

或试本法解决一下，不过本法有局限性，如文本中夹杂其他的字母或数字之类的，会产生误判，最后可能要点儿人工干预，也许哪位同学可以指出有更好的更快的办法

钩选通配符的情况下   查找

<([0-9一-﨩，。 ]{25,39})^13

替换成

\1

注中括号内的范围可根据实际来增删，如有a-zA-Z等，注意全半角，而大括号内的意思是那些多余的回车符所在的字列范围（光标放在任意地方，状态栏就是字列位置提示，可惜本法容易受半角字数量影响，可以换成全角吧）

67CZzblN.rar (15.6 KB, 下载次数: 33)

2006-10-19 00:58 上传

点击文件名下载附件
[分享]OCR后的文本每行后的回车符清除一法

smhf_6

一、我的文档中绝对有数字，以前我都用手工处理，没有想到更好的办法，是否该用宏来处理？控制每行的字数？

二、新问题：我从OA系统下载的文档，能导出，但导出后变成为文本，这个文本特点是：只有一段!如何还原到原来的格式，即有很多段落，有些段落还有一、二、(一)、(二)、1、2、(1)、(2)、A、B....之类的东西，有些段落的起始点也没有什么特征，就是两段文字，文中肯定有数字。

我一直是手工处理，是否有好办法？

c81

能将样本发上来看看吗?

sylun

以回车符的列位置来判断可能会有误判，例如，假设段落以句号结束，而该段落的最后一行恰好占该行的一半以上的位置，则该行句号后的回车符很可能被删除而使其与下一段落合并为一段落。 

我也一直关注这方面的问题，只是还没找到高效的常规办法。我平时的基本做法是：

查找：([!。？！])^13

替换：\1

 因根据汉语标点符号的用法规则，句末点号有三种，即句号、问号和感叹号。但有几点应注意：
1.上述方法只针对汉字标点符号，还不包括英文标点的点号、问号和感叹号；如有必要可添加进去（注意与通配符区别开来）；
2.有时除上述3个句末点号外，也有以冒号、破折号等作为段落结尾的情形，上述方法不包括在内；
3.作为标题、题注的段落，或者某些列表式的段落，其结尾一般不用标点符号，对此应作特殊处理。一般是先处理这些特殊段落，并对这些特殊段落设定不同样式以便在删除回车符时将其排除在外。
当然，我的替换方法也会有错判和漏判。
－－又出现无法正常编辑的怪现象，郁闷。

 因根据汉语标点符号的用法规则，句末点号有三种，即句号、问号和感叹号。但有几点应注意：
1.上述方法只针对汉字标点符号，还不包括英文标点的点号、问号和感叹号；如有必要可添加进去（注意与通配符区别开来）；
2.有时除上述3个句末点号外，也有以冒号、破折号等作为段落结尾的情形，上述方法不包括在内；
3.作为标题、题注的段落，或者某些列表式的段落，其结尾一般不用标点符号，对此应作特殊处理。一般是先处理这些特殊段落，并对这些特殊段落设定不同样式以便在删除回车符时将其排除在外。
当然，我的替换方法也会有错判和漏判。
－－又出现无法正常编辑的怪现象，郁闷。

[此贴子已经被作者于2006-10-19 9:59:11编辑过]

c81

谢谢楼上的办法，应该说比我的方法好些，误判断要少些。

我知道我的方法有局限性，上面有的已经说明，我以前用纵选法，也有局限性，这真是一个难题呀，不过一般情况下用足够了，只要加少量的工具干预。

zzpsx

请叫红色部分的回车符如何清除

cuanju

zzpsx 发表于 2020-4-11 13:46
请叫红色部分的回车符如何清除

Sub 断行相连新2()
    ActiveDocument.Content.Find.Execute FindText:="([!。：；.！？…）])^13", MatchWildcards:=True, ReplaceWith:="\1", Replace:=wdReplaceAll
End Sub

zzpsx

cuanju 发表于 2020-4-11 14:52
Sub 断行相连新2()
    ActiveDocument.Content.Find.Execute FindText:="([!。：；.！？…）])^13", Ma ...

如果只对选中部分执行代码就更好了

cuanju

Sub 断行相连新3()
    ActiveDocument.Content.Find.Execute FindText:="^13{2,}", MatchWildcards:=True, ReplaceWith:="^p", Replace:=wdReplaceAll ‘删除空段
    ActiveDocument.Content.Find.Execute FindText:="([!。：；.！？…）])^13([!（0-9一二三四五六七八九十])", MatchWildcards:=True, ReplaceWith:="\1\2", Replace:=wdReplaceAll '将断行相连但防止标题行也误相连
End Sub

yian123

Sub 断行相连1()
    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = "([!。：；.！？…）])^13([!（0-9一二三四五六七八九十])"
        .Replacement.Text = "\1\2"
        .Forward = True
        .Wrap = wdFindAsk
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchByte = False
        .MatchAllWordForms = False
        .MatchSoundsLike = False
        .MatchWildcards = True
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
   
End Sub
楼上的表达式是我在word群补充的。，但是我没法正则表达出完整的意思
这个支持选择的范围替换。然后这两天学的word vba又写了代码，这个更完整。word群232492730
Sub 断行相连()
Dim a, i As Integer
arr1 = Array("一、", "二、", "三、", "四、", "五、", "六、", "七、", "八、", "九、", "十、")
arr2 = Array("。", "：", ":", ";", "！", "!", "；", "？", "?", "…")
With Selection
a = .Paragraphs.Count
For i = a To 1 Step -1
    If InStr(1, Join(arr1), Left(.Paragraphs(i), 2)) Or InStr(1, Join(arr2), Replace(Right(.Paragraphs(i), 2), Chr(13), "")) Then
    Else
    .Paragraphs(i).Range.Find.Execute FindText:="^13", MatchWildcards:=True, ReplaceWith:="", Replace:=wdReplaceAll
    End If
Next
End With
End Sub