将HOCR输出转换为字符串（用于正则表达式的策略是什么？

Question

我正在与Pytesseract合作，并希望将HOCR输出转换为字符串。当然，Pytesseract中实现了这种功能，但是我想更多地了解实现它的可能策略。

from pytesseract import image_to_pdf_or_hocr
hocr_output = image_to_pdf_or_hocr(image, extension='hocr')

我正在与Pytesseract合作，并希望将HOCR输出转换为字符串。当然，Pytesseract中实现了这种功能，但我想了解更多可能的...

Answer 1

由于hOCR是.xml的一种，我们可以使用.xml解析器。