有没有办法告诉Tesseract OCR将某些字符当作HOCR输出中的单词分隔符？
例如，假设我有一个有关Scranton / Wilkes-Barre RailRiders的文档，我希望将斜线视为单词分隔符。因此，代替此输出：
<span class='ocrx_word' id='word_1_2' title='bbox 186 324 1201 395; x_wconf 85' lang='eng' dir='ltr'>Scranton/Wilkes-Barre</span>
我需要如下所示的输出（估计有bbox）：
<span class='ocrx_word' id='word_1_2' title='bbox 186 324 799 395; x_wconf 85' lang='eng' dir='ltr'>Scranton</span>
<span class='ocrx_word' id='word_1_3' title='bbox 800 324 820 395; x_wconf 85' lang='eng' dir='ltr'>/</span>
<span class='ocrx_word' id='word_1_4' title='bbox 821 324 1201 395; x_wconf 85' lang='eng' dir='ltr'>Wilkes-Barre</span>
我尝试了两种可能的解决方案：
将“ tessedit_char_blacklist”设置为“ /”。这不起作用，因为Tesseract只是将斜杠更改为小写L。
将“ chs_trailing_punct1”设置为“）。，;：？！/”（默认字符加斜杠）。这根本没有改变输出。