本文介绍如何将ocr识别生成的、按行排列的地址信息（如姓名、地址、城市州邮编）自动整理为结构化的csv文件，支持直接从ocr文本处理，无需中间文本文件，避免手动编辑。
在OCR后处理流程中，常见场景是：每组地址信息被识别为连续的三行（例如：姓名、街道地址、城市/州/邮编），但原始输出是扁平化的纯文本行序列。若每次识别后都先写入.txt再二次转换，不仅冗余，还易引入编码、换行或逗号干扰等问题。理想方案是在tess_address()函数中直接完成分组与CSV写入，跳过中间文本文件。
以下是一个完整、健壮且可直接集成的解决方案：
✅ 核心逻辑说明
- 清理与分割：对pytesseract.image_to_string()返回的text，用splitlines()切分为行，并移除每行末尾及内部多余的逗号（避免干扰CSV结构）；
- 分组校验：确保总行数能被3整除（即每组含“姓名、地址、城市州邮编”），否则抛出明确错误便于调试；
- 批量重组：使用步长为3的切片（lines[i:i+3]）将线性列表转为二维结构——每子列表代表一个CSV记录；
- 安全写入CSV：通过标准csv.writer写入，自动处理字段内逗号、引号和换行等边缘情况（比手动print(..., file=...)更可靠）。
✅ 集成后的 tess_address() 函数（推荐替换原函数）
import os
import csv
import re
import pytesseract
def tess_address():
input_dir = "address"
output_csv = "address_output.csv"
files = sorted(os.listdir(input_dir))
# 初始化所有OCR行的容器（全局收集，避免逐图覆盖）
all_lines = []
for image in files:
image_path = os.path.join(input_dir, image)
text = pytesseract.image_to_string(image_path)
# 清理：移除所有逗号（防止干扰CSV解析），并分割为行
clean_lines = [re.sub(r",", "", line.strip()) for line in text.splitlines() if line.strip()]
all_lines.extend(clean_lines)
# 校验：必须是3的倍数（每组3个字段）
if len(all_lines) % 3 != 0:
raise ValueError(f"OCR共提取 {len(all_lines)} 行，不是3的倍数，请检查识别结果是否完整或存在空行")
# 按每3行分组
rows = [all_lines[i:i+3] for i in range(0, len(all_lines), 3)]
# 写入CSV（注意：newline='' 是csv模块必需参数，避免Windows下空行）
with open(output_csv, "w", newline="", encoding="utf-8") as f:
writer = csv.writer(f)
writer.writerows(rows)
print(f"✅ 已成功生成 {len(rows)} 条记录，保存至 {output_csv}")⚠️ 关键注意事项
- 不要重复打开文件写入：原代码中 print(..., file=open("address.txt", 'a')) 在循环内反复调用 open()，既低效又易因编码/缓冲问题导致乱码；新方案统一收集后批量写入，更稳定。
- 编码与换行：csv.writer 必须指定 newline=""，否则在Windows系统中可能产生双换行（\r\n\r\n）。
- 空行过滤：if line.strip() 确保忽略OCR识别出的空白行或仅含空格的行，提升鲁棒性。
- 错误定位友好：assert 或 raise ValueError 明确提示行数异常，便于快速排查OCR漏识别或图像质量问题。
✅ 输出效果示例
输入OCR文本（经清理后）：
tidy-excel-data
下载
清理、标准化、验证并汇总杂乱的 Excel 工作簿。当 Codex 需要处理 `.xlsx`、`.xls`、`.xlsm` 或 `.csv` 格式的数据时使用，包括：统一表头格式、删除空白行与空白列、修剪文本内容、去重记录、检测数据质量问题、拆分或合并工作表、生成清洗后的工作簿，以及为业务电子表格生成审计摘要。
John Doe 123 Main St New York NY 10001 Jane Smith 456 Oak Ave Los Angeles CA 90210
生成的 address_output.csv 内容（可用Excel或pandas.read_csv()直接读取）：
John Doe,123 Main St,"New York NY 10001" Jane Smith,456 Oak Ave,"Los Angeles CA 90210"
注：csv.writer 自动为含空格的字段加引号，确保语义无歧义。
通过此方案，你彻底摆脱了“先生成txt → 手动编辑 → 再转csv”的繁琐链路，实现OCR到结构化数据的一站式、可复现、易维护的自动化处理。
