所以，我正在做一个简单的移动应用程序项目（主要是为了好玩），它使用android上的ocr库（tesseract）扫描相机图片，对文本做一些处理，然后返回给用户。
我想知道的是，是否有人知道如何通过编程（或统计）来判断一个字符串是否构成了实际的单词，或者这只是一派胡言。（仅供参考，目前我只针对英语）
例如，ocr可以读取图片并返回String returned = "The quick brown fox."
或者，它可能读到另一张图片然后返回String returned = "$. _- %/ hj @;+__~"
显然，返回的第一个字符串生成单词，第二个字符串只是胡言乱语。我想知道是否有人有办法区分好的回报和无意义的回报。
最佳答案
运行一些字符频率和一些其他统计数据。我会查找空白的频率和位置、单词的大小和符号的频率，这些是我希望和不希望在我希望用户拍照的内容中找到的。
如果你期待大量的文本，可以检查字母表上的频率，看看它们是否与英语中已知的字符频率相匹配。如果你在等收据，找比平时多得多的数字。
最后，你可以让用户决定这是否是他们真正想要的。所有的分析都可以用一个“我们不相信这是你想要的”警告警告用户他们可以忽略。
我使用这些概念来解决a Project Euler problem关于知道文本何时被正确解密的问题。