onlyyoujojo的博客

步骤就是这样，先ocr识别文本和区域，后面根据区域进行版面恢复。版面恢复部分根据自己的需要，可以省略。PS：突然有个问题，我发现wps+python-word处理的应该也还行，段落什么的也都分的很好，表格也识别对了。之前是觉得wps对生僻字识别的不好，所以没用，而且wps要钱hh。不过工程上的方法就是很多，只有达到效果就行，科研就不行，都是精益求精的。

这样版型的图，确实是可以直接用merge_para进行排序，可是这种排序是比较简单的，如果版型是双栏的，那就必须用agument-xy-cut进行region的排序，在对每一个region进行内部的merge_para。多思考还是有好处的，不要一上来就问别人，当然实在不知道就必须问了，此中的度，需要自己把握。下一步就是对自然段进行划分，即res字段里面的text_region进行merge_para，不过这时我产生了一个疑问，既然有merge_para了，前面对bbox的排序有必要吗？