问题描述
我正在将扫描的 PDF 传递到 Google Cloud Document AI OCR。 JSON 响应（或使用 Python API 时返回的 Document 对象）包含结构化格式的 PDF 内容，如 here 所述。我也希望能够输出 PDF 文件（或者 XML，如果更容易的话）。有这样的功能吗？感谢有关可能实现的任何提示。
注意：在我的任务之前，PDF 已经被另一个工具 OCR，但质量不如 Document AI OCR。
谢谢
解决方法
如果其他人正在寻找这个，请分享。 我找到了这个存储库 gcv2hocr，它有一个脚本可以将 Google Cloud Vision 响应（用于图像输入）转换为 hOCR 格式。然后可以使用 hocr-tools 将 hOCR 输出转换为其他格式，包括 PDF。
我认为调整此代码以处理 DocumentAI 响应不会很困难。