文字列の中のいらない部分の削除

android studioでOCRを使ったアプリを作っています。
OCRでレシートを文字認識したいのですが、レシートの中のいらない文字列の部分まで当然全部とってきちゃうのでその中のいらない部分だけ削除した上で再取得したいです。
なにか便利なメソッドとかAPIとかあれば教えていただきたいです。

追記

この中の
③日付
①商品名
②値段
の値をとってきたいです。

kafumi

2018/12/04 18:13

質問が漠然としているため、回答が難しいです。OCRで得られた文字列と、その中からどういう部分を取り出したいかのサンプルを示していただけないでしょうか。そうすれば、具体的な回答できると思います。

telin

2018/12/05 01:43

わかりました。追記します。

行動規範の内容に同意します

回答1件

ベストアンサー

日付や値段は文字列として特徴的なので、正規表現を使えば該当の文字列部分が取り出せそうです。Kotlinで正規表現を使ったことがない場合は、Out of Dimension: Kotlin の正規表現を使うを読んでみてください。また、「Kotlin 正規表現」などでWeb検索すれば、他にも説明ページが見つかります。基本的には、Regex オブジェクトを作成して、find() などで文字列を検索することになります。

日付は、ファミリーマートの場合は yyyy年MM月dd日 という形式で印字されるようなので、 (\d+)月(\d+)月(\d+)日 という正規表現で検索すればいいと思います。文字列が見つかった場合、年・月・日はそれぞれ、MatchedResult.groupValue の添字1, 2, 3に入ってきます。

値段は、¥マークが必ず先頭につくようなので、¥([,0-9]+) などで検索できるでしょうか。上記の例ではでてきませんが、3桁ごとにカンマ , が入ると思うので、それも考慮した正規表現にする必要があります。文字列が見つかった場合、数値部分は MatchedResult.groupValue の添字1に入ってきます。

商品名は結構難しいですが、ファミリーマートのレシートであれば、時刻 (13:43) の行の後から、計 と書かれた行までの間が、商品名か値段になっているようなので、以下のようにすれば商品名だけ抽出できそうです。