我目前正在使用Java通过命令行调用Tesseract，输出模式设置为hOCR。我几乎不了解与C编程相关的任何知识，尽管我可以阅读源代码，但仅此而已。
我希望能够在hOCR文件中获得信心信息一词。我在网上找到了一些“答案”。从在设置文件中设置值到更改并重新编译源代码，不一而足。
我正在使用最新版本的Tesseract，如何从Java中获得信心（x_wconf）一词？
最佳答案
hOCR是HTML，因此您需要一个HTML解析器来提取所需的属性。尝试jsoup，HtmlCleaner或HTML Parser。