python |从屏幕抓取应用程序中整理出冗余文本

Question

我正在编写一个屏幕抓取应用程序来监控纯文本聊天窗口。文本被添加到窗口的底部。

应用程序截取聊天窗口的屏幕截图。如果自上次截屏以来发生了更改 (new_screenshot != old_screenshot)，则会保存截屏。

X 次后，所有图像合并为一张图像，其中最旧的图像在顶部。这个大图像被发送到服务器进行 OCR，并返回一串文本。

问题:如何整理多余的文字？

示例:

• 聊天窗口高 5 行，最初是空的。
• 解决方案必须适用于空的和非空的初始聊天窗口。
• 可以在每个屏幕截图中添加多行。同一行可以出现多次，但绝不会连续出现两次所以仅仅去重是不够的(所以使用 sorted(set(text.split('\n'))) 是不够的)

算法输入:

1 Lorem ipsum dolor sit amet,
1 Lorem ipsum dolor sit amet,
2 conectetur adipiscing elit
1 Lorem ipsum dolor sit amet,
2 conectetur adipiscing elit
3 Mauris porttitor enim sed tincidunt interdum.
1 Lorem ipsum dolor sit amet,
2 conectetur adipiscing elit
3 Mauris porttitor enim sed tincidunt interdum.
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet.
1 Lorem ipsum dolor sit amet,
2 conectetur adipiscing elit
3 Mauris porttitor enim sed tincidunt interdum.
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet.
5 Nam aliquet velit vel elementum tristique.
2 conectetur adipiscing elit
3 Mauris porttitor enim sed tincidunt interdum。
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet。
5 Nam aliquet velit vel elementum tristique。
6 Donec ac tincidunt urna。
3 Mauris porttitor enim sed tincidunt interdum.
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet.
5 Nam aliquet velit vel elementum tristique.
6 Donec ac tincidunt urna.
7 Proin pretium, metus non porttitor lobortis, tortor sem rhoncus urna
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet.
5 Nam aliquet velit vel elementum tristique.
6 Donec ac tincidunt urna.
7 Proin pretium, metus non porttitor lobortis, tortor sem rhoncus urna
8 quis finibus leo lorem sed lacus.
5 Nam aliquet velit vel elementum tristique.
6 Donec ac tincidunt urna.
7 Proin pretium, metus non porttitor lobortis, tortor sem rhoncus urna
8 quis finibus leo lorem sed lacus.
1 Lorem ipsum dolor sit amet,

预期结果:

1 Lorem ipsum dolor sit amet,
2 conectetur adipiscing elit
3 Mauris porttitor enim sed tincidunt interdum。
4 Morbi elementum erat nec nulla auctor, eget porta odio aliquet。
5 Nam aliquet velit vel elementum tristique。
6 Donec ac tincidunt urna。
7 Proin pretium, metus non porttitor lobortis, tortor sem rhoncus urna
8 quis finibus leo lorem sed lacus。
1 Lorem ipsum dolor sit amet,

Answer 1

这是我理解您想要的代码(添加看到的新行但保留 5 行的历史记录以避免重复):

history = 5
lastSeen = dict()
result = [] 
for idx, line in enumerate(text.split('\n')):
    if line not in lastSeen:
        result.append(line)
    else:
        if lastSeen[line] + history < idx:
            result.append(line)
    lastSeen[line] = idx