您可以找到每对猜测的Levenshtein distance（或编辑距离），然后选择与所有其他猜测更接近的一个。
有很多库实现Levenshtein distance，在这个例子中我将使用editdistance（可能有更好的实现，需要调整更多的参数，这是我刚刚发现的一个）。

import numpy as np
import editdistance

guesses = ['foo', 'foo 2', 'Foo 2']
pair_distances = np.zeros((len(guesses), len(guesses))

for i, gi in enumerate (guesses):
    for j, gj in enumerate (guesses):
        pair_distances[i, j] = editdistance.eval(gi, gj)

sum_distances = np.sum(pair_distances, axis=0)

idx_min = np.argmin(sum_distances)

best_guess = guesses[idx_min]

请注意，np.argmin通过保留第一个匹配项来打破平局。以前的代码可能会导致多个候选项具有最佳距离的情况。您可以采取一些其他决策来打破平局，例如考虑大小写无关的最佳猜测（即，只是相同的代码，但在计算之前将猜测转换为小写）。然而，这也可能会导致平局。
也就是说，这个代码片段应该可以工作，但它不是很有效（每个距离都计算两次，因为d（i，j）== d（j，i），并且d（i，i）总是0，所以不需要计算它）），但我认为它足够清楚地解释我的观点。

一种简单的方法是计算每个字符出现的次数，并每次取出现频率最高的字符。
例如：

pred_list = ["DFEAW", "DFEAW", "DF3AW", "DFEAW"]
avg_string = ""

for i in range(len(pred_list[0])):
    character_count = {}
    
    for pred in pred_list:
        if pred[i] not in character_count:
            character_count[pred[i]] = 1
        else: 
            character_count[pred[i]] += 1
    
    avg_string += max(character_count, key=character_count.get)

print(avg_string)

结果：“DFEAW”
请注意，这种方法不考虑经常混淆的字符。
如果OCR结果之间可能存在未对齐的情况（例如，OCR预测两个字符而不是一个字符，存在额外的空格...），则需要首先对齐不同的字符串（请参阅：多序列对齐）。
python-Levenshtein模块在这种情况下非常有用：

import Levenshtein 
Levenshtein.median(["  DFEA W", "DFEAW", "DF3AW", "DFEAVV"])

结果：“DFEAW”