Hipótesis para elementos cadena de caracteres

Las hipótesis de cadena de caracteres dividen las líneas en fragmentos del alfabeto: consulte cómo funcionan las hipótesis anidadas, cómo se calcula la calidad y la referencia completa de propiedades.

Si se especifica una expresión regular en las propiedades de un elemento, FlexiLayout Studio busca cualquier cadena en el área de búsqueda que cumpla las condiciones de la expresión regular. Si no se especifica ninguna expresión regular, FlexiLayout Studio utiliza los alfabetos definidos por el usuario.

​

Cómo se identifican las líneas y los fragmentos

FlexiLayout Studio considera todos los objetos de texto que intersectan horizontalmente el área de búsqueda (en vertical, los objetos deben quedar por completo dentro del área de búsqueda). Después, los objetos de texto se agrupan en líneas. Las líneas se construyen de izquierda a derecha. FlexiLayout Studio deja de construir una línea cuando se supera la longitud máxima del espacio (establecida en la propiedad Longitud máxima del espacio).

En las líneas resultantes, FlexiLayout Studio identifica cadenas de caracteres, cada una de las cuales contiene caracteres de uno solo de los alfabetos definidos por el usuario. De forma similar, FlexiLayout Studio divide las líneas en fragmentos.

​

Hipótesis anidadas

A continuación, FlexiLayout Studio formula una hipótesis para cada uno de los fragmentos. En función de si está seleccionada o no la opción Permitir hipótesis anidadas, las hipótesis se formulan de una de estas dos maneras.

Supongamos que FlexiLayout Studio detectó tres fragmentos en una etapa anterior. Si está seleccionada la opción Permitir hipótesis anidadas, las hipótesis se formulan de la siguiente manera:

hypothesis 1: fragment 1
hypothesis 2: fragment 1 + fragment 2
hypothesis 3: fragment 1 + fragment 2 + fragment 3
hypothesis 4: fragment 2
hypothesis 5: fragment 2 + fragment 3
hypothesis 6: fragment 3

Para cada hipótesis, FlexiLayout Studio comprueba que el porcentaje de caracteres de cada alfabeto no supere el valor establecido en el campo Percentage of alphabet characters. También comprueba que el porcentaje de caracteres no alfabéticos no supere el valor establecido en el campo Percentage of non-alphabet characters. Si falla al menos una de estas comprobaciones, no se formula ninguna hipótesis.

Si la opción Permitir hipótesis anidadas no está seleccionada, se descartan las hipótesis anidadas de la lista anterior. Las hipótesis anidadas son las que están contenidas dentro de otra hipótesis de esa lista. Si todas las hipótesis superan las comprobaciones, solo queda una hipótesis: fragmento 1 + fragmento 2 + fragmento 3.

Por lo tanto, cuando la opción Permitir hipótesis anidadas no está seleccionada, FlexiLayout Studio formula hipótesis de la máxima longitud que cumplen todas las condiciones. Aunque las hipótesis anidadas se excluyen, las hipótesis pueden seguir solapándose. La parte coincidente puede ser un carácter o una palabra independientes, o una cadena de caracteres que forma parte de otras hipótesis, pero para la que no se han formulado hipótesis independientes. Por ejemplo, FlexiLayout Studio puede formular dos hipótesis (es decir, dos cadenas): una que termina en una determinada palabra o frase y otra que comienza con esa misma palabra o frase.

Dos hipótesis que se solapan podrían verse así:

hypothesis 1: fragment 1 + fragment 2
hypothesis 2: fragment 2 + fragment 3

​

Cómo se calcula la calidad de una hipótesis

Una vez generadas todas las hipótesis posibles, FlexiLayout Studio calcula la Pre-search quality de cada una. Este valor estima hasta qué punto una hipótesis cumple las restricciones de búsqueda establecidas en el cuadro de diálogo Propiedades, en la pestaña Cadena de caracteres, y en la pestaña Advanced, en el campo relación avanzada de prebúsqueda.

En esta etapa, la calidad depende de tres comprobaciones:

• Si la longitud de la hipótesis, en caracteres, se encuentra dentro del intervalo difuso especificado en la propiedad recuento de caracteres
• Si la longitud total de los espacios en la línea se encuentra dentro del intervalo difuso especificado en TotalGapLength
• Si el número de palabras de la línea se encuentra dentro del intervalo difuso especificado en la propiedad recuento de palabras

La calidad global de una hipótesis es el producto de todas estas calidades.

​

Propiedades de la hipótesis de cadena de caracteres

Una hipótesis de cadena de caracteres tiene las siguientes propiedades:

Propiedad	Descripción
Nombre del elemento	El nombre completo del elemento.
Página	El número de la página en la que se detectó el elemento.
Surrounding rect	Las coordenadas del rectángulo que rodea la región de la hipótesis.
Width	El ancho de la región de la hipótesis.
Height	La altura de la región de la hipótesis.
Text	Los caracteres de la hipótesis.
Detected	Indica si se encontró el objeto descrito por el elemento (true) o si se formuló una hipótesis nula (false).
From the best path	Indica si la hipótesis encontrada pertenece a la mejor ruta del árbol de hipótesis (true) o no (false).
Pre-search quality	En qué medida la hipótesis coincide con las propiedades del elemento especificadas por la configuración del cuadro de diálogo Propiedades y por el código del campo Relación avanzada de prebúsqueda.
Post-search quality	La calidad de la hipótesis después de aplicar las condiciones del campo Relaciones avanzadas de posbúsqueda.
Chain quality	La calidad de la cadena de hipótesis, desde el primer subelemento del grupo hasta el subelemento actual. La calidad de la cadena se calcula multiplicando las calidades de todos los subelementos de la cadena y se utiliza para comparar cadenas rivales de hipótesis.

​

Temas relacionados

• Cadena de caracteres
• Área de búsqueda
• Restricciones de búsqueda adicionales