将hOCR格式的文本转换为Json

Question

尝试实现一个java类，将hOCR输出从Tesseract转换为JSON格式的数据。 目前我们使用Abbey进行OCR服务，并返回OCR'd图像上Words位置的JSON格式数据。但Tesseract只返回hOCR。所以需要转换tesseracts输出以匹配Abbey的输出。