hOCR
约 1 分钟阅读
- HTML, 利用 class 和 title 属性来存储 OCR 的元数据(坐标、置信度、层级结构)
- kba/hocr-specGitHubkba/hocr-spec
- kba.github.io/hocr-spec/1.2
- 参考
- pdfsandwich
- ocrmypdf
box LEFT TOP RIGHT BOTTOM
baseline [+/- DECIMAL_FLOAT] [+/- INT]
textangle [+/- DECIMAL_FLOAT]<div class="ocr_page" id="page_1">
<div class="ocr_carea" id="column_2" title="bbox 313 324 733 1922">
<div class="ocr_par" id="par_7">...</div>
<div class="ocr_par" id="par_19">...</div>
</div>
</div>ocr_document
ocr_linear
ocr_title
ocr_author
ocr_abstract
ocr_part [<H1>]
ocr_chapter [<H1>]
ocr_section [<H2>]
ocr_sub*section [<H3>,<H4>]
ocr_display
ocr_blockquote [<BLOCKQUOTE>]
ocr_par [<P>]关联信息
反向链接、本文链接的其他页面和外部资料。
参考资料
GitHub1 条
- kba/hocr-specgithub.com/kba/hocr-spec
其他外链1 条
- kba.github.io/hocr-spec/1.2kba.github.io/hocr-spec/1.2