json - 将 hOCR 格式的文本转换为 Json

Question

尝试实现一个 java 类来将 hOCR 输出从 Tesseract 转换为 JSON 格式的数据。目前，我们将 Abbey 用于我们的 OCR 服务，它们为 OCR 图像上的 Words 位置返回 JSON 格式的数据。但是 Tesseract 只返回 hOCR。所以需要转换 tesseracts 输出以匹配 Abbey 的输出。