From 11a718b7bf5b86da59255734ff6ac99515ba01b7 Mon Sep 17 00:00:00 2001 From: Balearica Date: Sat, 23 Nov 2024 18:54:51 -0800 Subject: [PATCH] Updated HOCR parsing and added new tests --- js/import/convertPageHocr.js | 12 + .../simple_paragraph_lstm_choice_mode1.hocr | 13887 ++++++++++++++++ .../simple_paragraph_lstm_choice_mode2.hocr | 5714 +++++++ tests/module/importTesseract.spec.js | 26 + 4 files changed, 19639 insertions(+) create mode 100644 tests/assets/simple_paragraph_lstm_choice_mode1.hocr create mode 100644 tests/assets/simple_paragraph_lstm_choice_mode2.hocr diff --git a/js/import/convertPageHocr.js b/js/import/convertPageHocr.js index 4265c1a..46e7201 100644 --- a/js/import/convertPageHocr.js +++ b/js/import/convertPageHocr.js @@ -74,6 +74,18 @@ export async function convertPageHocr({ ocrStr = ocrStr.replace(/(class=')ocr_textfloat/ig, '$1ocr_line'); ocrStr = ocrStr.replace(/(class=')ocr_header/ig, '$1ocr_line'); + // Delete additional elements created by the `lstm_choice_mode` option in Tesseract + const lstmChoiceMode1 = !!/id='timestep1/.test(ocrStr); + const lstmChoiceMode2 = !!/id='lstm_choices/.test(ocrStr); + + if (lstmChoiceMode1) { + ocrStr = ocrStr.replace(/\s*){3}/ig, ''); + } + + if (lstmChoiceMode2) { + ocrStr = ocrStr.replace(/ + + + + + + + + + +
+
+

+ + + J + + + + + + + J + + I + + J + I + + + I + J + + N + + + + + + N + + N + + N + + + + N + + J + + + + + + I + J + T + 1 + + J + I + + J + + + + + a + + + + + a + + + a + + a + + + n + + + + + + n + + n + + n + + + n + + n + + + + + n + + + n + + n + + + + + o + + + + o + + o + + + o + + + o + + u + + + + + + u + + u + + u + + + + u + + n + + + + + n + + + n + + n + + + c + + + + + + c + + c + + + c + + + c + + e + + + + + e + + + e + + e + + + d + + + + + + d + + d + + d + + + + d + + + + t + + + + + t + + + t + + + t + + h + + + + + h + + + h + + + h + + i + + + + + i + + + i + + + i + + s + + + + + + s + + s + + s + + + + + m + + + + + m + + + m + + + m + + o + + + + + o + + + o + + o + + + r + + + + + + r + + r + + + r + + + + r + + n + + + + + n + + + n + + + n + + i + + + + + i + + + i + + + i + + n + + + + + n + + + n + + + n + + g + + + + + g + + + g + + + g + + + + t + + + + + t + + + t + + + t + + h + + + + h + + h + + h + + + h + + e + + + + + e + + + e + + + e + + + + a + + + + + a + + + a + + + a + + c + + + + + c + + + c + + + c + + q + + + + + q + + + q + + + + u + + + + + u + + u + + + + i + + + + + i + + i + + + s + + + + + + s + + s + + s + + + i + + + + + i + + + i + + + i + + t + + + + + t + + + t + + + + + i + + + + i + + i + + i + + + o + + + + + o + + + o + + + o + + n + + + + + n + + + n + + + n + + + + o + + + + + + o + + o + + o + + + f + + + + + + f + + f + + + f + + + + p + + + + p + + p + + + p + + + p + + r + + + + r + + r + + r + + + i + + + + + + i + + i + + i + + + v + + + + + + v + + v + + v + + + a + + + + + a + + + a + + + a + + t + + + + + t + + + t + + + t + + e + + + + e + + e + + e + + + l + + + + + + l + + l + + l + + + y + + + + + + y + + y + + y + + + - + + + + + + - + + - + + - + + + h + + + + + + + h + + h + + + h + + e + + + + + e + + + e + + + e + + l + + + + + + l + + l + + l + + + d + + + + + + d + + d + + d + + + + d + + + + A + + + + + + A + + A + + A + + + A + + r + + + + + r + + + r + + + r + + a + + + + + + a + + a + + a + + + g + + + + + + g + + g + + g + + + g + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + + + f + + + + + + f + + f + + f + + + o + + + + + + o + + o + + o + + + o + + r + + + + + r + + + r + + + r + + + + $ + + + + + $ + + + $ + + + $ + + 6 + + + + + 6 + + + 6 + + + 6 + + 5 + + + + + + 5 + + 5 + + + 5 + + + 5 + + 0 + + + + + + 0 + + 0 + + 0 + + + + + m + + + + + m + + + m + + + m + + i + + + + + i + + + i + + + i + + l + + + + + l + + + l + + l + + + + + + l + + l + + l + + + i + + + + + + i + + i + + + i + + o + + + + + o + + + o + + + o + + n + + + + + n + + + n + + + n + + + + + + + + w + + + + + + + w + + + w + + w + + + + + i + + + + + i + + + i + + + i + + t + + + + + t + + + t + + t + + + h + + + + + + h + + h + + h + + + + + a + + + + + + + a + + a + + + a + + + + $ + + + + + $ + + + $ + + $ + + + 3 + + + + + + 3 + + 3 + + 3 + + + + + 5 + + + + + 5 + + + 5 + + 5 + + + 0 + + + + + + 0 + + 0 + + 0 + + + 0 + + + + m + + + + + + m + + m + + m + + + i + + + + + + i + + i + + i + + + l + + + + i + + + l + + l + + l + + + l + + + + + + l + + l + + l + + + i + + + + + + i + + i + + i + + + o + + + + + o + + + o + + + o + + n + + + + + n + + + n + + + n + + + + c + + + + + c + + + c + + + c + + o + + + + + o + + + o + + o + + + n + + + + + + n + + n + + n + + + + + t + + + + t + + t + + + t + + + t + + i + + + + + i + + + i + + + i + + n + + + + + n + + + n + + + n + + g + + + + + g + + + g + + + g + + e + + + + + e + + + e + + + e + + n + + + + + + n + + n + + n + + + t + + + + + + t + + t + + t + + + + + d + + + + + d + + + d + + + d + + e + + + + + e + + + e + + e + + + v + + + + + + v + + v + + v + + + e + + + + + + e + + e + + + e + + + e + + l + + + + + l + + + l + + + l + + o + + + + + + o + + o + + o + + + + + p + + + + + p + + + p + + p + + + + + m + + + + + m + + + m + + + m + + + + e + + + + e + + e + + + e + + + e + + n + + + + + + n + + n + + n + + + n + + t + + + + + t + + + t + + + t + + + + m + + + + + + m + + m + + m + + + + + i + + + + + i + + + i + + + i + + l + + + + + l + + + l + + + l + + e + + + + + e + + + e + + + e + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + e + + + + + + e + + e + + e + + + . + + + + + + . + + . + , + + . + + + + + A + + + + + + A + + A + + A + + + + + s + + + + s + + s + + + s + + + s + + + + a + + + + + + a + + a + + a + + + + + r + + + + + r + + + r + + + r + + e + + + + + e + + + e + + + e + + m + + + + + m + + + m + + m + + + i + + + + + + i + + i + + + i + + + i + + n + + + + + n + + + n + + n + + + d + + + + + + d + + d + + d + + + e + + + + + + e + + e + + e + + + + + r + + + + r + + r + + + r + + + r + + , + + + + + , + + + , + + + , + + + + A + + + + + + A + + A + + A + + + A + + r + + + + + r + + + r + + + r + + a + + + + + + a + + a + + a + + + g + + + + + + g + + g + + + g + + + g + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + n + + ’ + + + + + ’ + + ' + + ’ + ' + + + + + s + + + + s + + s + + s + + + + + l + + + + + + l + + l + + l + + + e + + + + + + e + + e + + e + + + a + + + + + + a + + a + + a + + + d + + + + + + d + + d + + d + + + d + + + + + + + + c + + + + + + + + c + + c + + c + + c + + + + + o + + + + + o + + + o + + o + + + + o + + + + m + + + + m + + m + + + m + + m + + + + + p + + + + + p + + + p + + p + + + + + o + + + + + o + + + o + + o + + + + o + + u + + + + + + u + + u + + u + + + u + + + + n + + + + + n + + + n + + n + + + + + d + + + + + d + + + d + + d + + + + + , + + + + + , + + + , + + , + + + + + + + A + + + + A + + A + + + A + + A + + + + + R + + + + + R + + + R + + R + + + R + + N + + + + + + N + + N + + N + + N + + + + + - + + + + + - + + = + + - + + - + + + + - + + 5 + + + + + 5 + + + 5 + + 5 + + + + + 0 + + + + + 0 + + + 0 + + + 0 + + 9 + + + + + + 9 + + 9 + + + 9 + + , + + + + + , + + + , + + + , + + + + i + + + + + + i + + i + + i + + + s + + + + + + s + + s + + s + + + + + v + + + + + v + + + v + + + v + + i + + + + + + i + + i + + i + + + + + e + + + + + e + + + e + + + e + + w + + + + + + w + + w + + w + + + + + e + + + + + e + + + e + + + e + + d + + + + + + d + + d + + d + + + + + a + + + + + a + + + a + + + a + + s + + + + + + s + + s + + s + + + + + a + + + + + a + + + a + + + a + + + + d + + + + + d + + + d + + + d + + i + + + + + i + + + i + + + i + + r + + + + + r + + + r + + + r + + e + + + + + e + + + e + + + e + + c + + + + + c + + + c + + + c + + t + + + + + t + + + t + + + t + + + + + + n + + + + + + + + o + 2 + a + g + 7 + + + o + a + p + y + g + 2 + 7 + + + + + n + m + r + + n + m + + r + 0 + w + u + v + o + a + + + n + + d + + + + d + e + + d + + l + e + + + + + + g + + + + + + + g + + + g + + g + + + e + + + + + + e + + e + + + e + + + e + + n + + + + + n + + + n + + n + + + + + e + + + + + e + + + e + + + e + + r + + + + + r + + + r + + + r + + a + + + + + a + + + a + + a + + + t + + + + + + t + + t + + t + + + t + + i + + + + + i + + + i + + + i + + o + + + + + o + + + o + + o + + + n + + + + + + n + + n + + n + + + + + + + a + + + + + + a + + a + + a + + + + + n + + + + + n + + + n + + + n + + d + + + + + + d + + d + + d + + + + + r + + + + + r + + + r + + + r + + o + + + + + + o + + o + + o + + + + + g + + + + + g + + + g + + + g + + e + + + + + + e + + e + + e + + + + + n + + + + + n + + + n + + + n + + + + r + + + + r + + r + + + r + + + r + + e + + + + + e + + + e + + + e + + c + + + + + + c + + c + + c + + + e + + + + + + e + + e + + e + + + p + + + + + + p + + p + + p + + + + + t + + + + t + + t + + + t + + + t + + o + + + + + o + + + o + + + o + + r + + + + + r + + + r + + + r + + + + i + + + + + i + + + i + + + i + + n + + + + + n + + + n + + + n + + h + + + + + h + + + h + + + h + + i + + + + + i + + + i + + + i + + b + + + + b + + b + + + b + + + b + + i + + + + i + + i + + i + + + + i + + t + + + + + t + + + t + + + t + + o + + + + + o + + + o + + + o + + r + + + + + r + + + r + + + r + + + + + + + + c + + + + + + + + c + + c + + c + + + c + + o + + + + + + o + + o + + o + + + o + + + + m + + + + + m + + + m + + m + + + + + p + + + + + p + + + p + + + p + + + + e + + + + + e + g + + c + + e + + + e + + t + + + + + t + + + t + + + t + + i + + + + + i + + + i + + + i + + t + + + + + t + + + t + + + t + + o + + + + + + o + + o + + o + + + r + + + + + + r + + r + + r + + + + + t + + + + + + + t + + t + + + o + + + + + + o + + o + + o + + + o + + + + X + + + + + X + + + X + + X + + + + + t + + + + + t + + + t + + + t + + a + + + + + + a + + a + + a + + + a + + n + + + + + n + + + n + + n + + + d + + + + + + d + + d + + d + + + d + + i + + + + i + + i + + + i + + + i + + . + + + + . + + . + , + + . + + + + + A + + + + + A + + + A + + + A + + l + + + + + l + + + l + + + l + + s + + + + + s + + + s + + + s + + o + + + + + o + + + o + + + o + + , + + + + + + , + + , + + + , + + + + r + + + + + + r + + r + + r + + + e + + + + + + e + + e + + e + + + c + + + + + + c + + c + + c + + + a + + + + + + a + + a + + a + + + l + + + + + + l + + l + + l + + + l + + + + + + l + + l + + l + + + + + + + t + + + + + t + + + t + + t + + + h + + + + + + h + + h + + h + + + + a + + + + + a + + + a + + + a + + t + + + + + + t + + t + + t + + + + + + + + M + + + + + + M + + M + + M + + M + + + + + D + + + + + D + + + D + + D + + + + D + + + + V + + + + + V + + + V + + V + + + + + N + + + + + N + + + N + + N + + + + N + + + + i + + + + + i + + I + 1 + d + l + f + ( + | + + i + + + + i + + s + + + + + + s + + s + + s + + + s + + + + s + + + + s + + s + + + s + + + s + + u + + + + + + u + + u + + u + + + + + i + + + + + i + + + i + + + i + + n + + + + + + n + + n + + n + + + + n + + g + + + + + g + + + g + + g + + + + + + + A + + + + + A + + + A + + A + + + r + + + + + + r + + r + + + r + + + r + + a + + + + + + a + + a + + a + + + a + + g + + + + + g + + + g + + g + + + + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + n + + + + a + + + + + + a + + a + + a + + + + a + + s + + + + + s + + + s + + + s + + + + i + + + + + i + + + i + + + i + + t + + + + + t + + + t + + + t + + + + c + + + + + c + + + c + + + c + + l + + + + + l + + + l + + + l + + a + + + + + + a + + a + + a + + + + + i + + + + + i + + + i + + + i + + m + + + + + m + + + m + + m + + + s + + + + + + s + + s + + + s + + + s + + + + t + + + + + t + + + t + + + t + + o + + + + + o + + + o + + o + + + + + h + + + + + h + + + h + + + h + + a + + + + + + a + + a + + a + + + + a + + v + + + + + v + + + v + + + v + + e + + + + + + e + + e + + e + + + + + + + + + + + r + + + + + + r + + r + + + r + + + r + + i + + + + i + + i + + i + + + + + g + + + + + g + + + g + + + g + + h + + + + + h + + + h + + + h + + t + + + + + + t + + t + + t + + + s + + + + + + s + + s + + s + + + + + + + t + + + + + t + + + t + + t + + + o + + + + + + o + + o + + o + + + o + + + . + , + + + + A + + + + + + A + + A + + A + + A + + + + + R + + + + + R + + + R + + R + + + + + N + + + + + + N + + N + + N + + + N + + + + - + + + + + - + + + - + + - + + + + + 5 + + + + + 5 + + 3 + + 5 + + 5 + + + + + 0 + + + + + 0 + + + 0 + + 0 + + + 9 + + + + + + 9 + + 9 + + 9 + + + + 9 + + . + + + + + . + + + . + + . + + + + + H + + + + + + H + + H + + H + + + H + + a + + + + + + a + + a + + a + + + + a + + v + + + + + v + + + v + + v + + + + + i + + + + + i + + + i + + + i + + n + + + + + + n + + n + + n + + + n + + g + + + + + g + + + g + + + g + + + + l + + + + + l + + + l + + + l + + o + + + + + o + + + o + + + o + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + + + t + + + + + t + + + t + + + t + + h + + + + + + h + + h + + h + + + e + + + + + + e + + e + + e + + + + + f + + + + + + f + + f + + f + + + i + + + + + + i + + i + + i + + + r + + + + + + r + + r + + r + + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + + + r + + + + + + r + + r + + + r + + o + + + + + + o + + o + + o + + + + + u + + + + + u + + + u + + + u + + n + + + + + + n + + n + + n + + + + + d + + + + + d + + + d + + + d + + + + o + + + + + o + + + o + + o + + + f + + + + + + f + + f + + f + + + f + + + + p + + + + + + p + + p + + p + + + p + + r + + + + + r + + + r + + r + + + + + o + + + + o + + o + + + o + + + o + + c + + + + + + c + + c + + c + + + c + + e + + + + + e + + + e + + e + + + + + e + + + + + e + + + e + + e + + + d + + + + + + d + + d + + d + + + d + + i + + + + + + i + + i + + i + + + + + n + + + + n + + n + + + n + + + n + + g + + + + + + g + + g + + g + + + + + s + + + + + s + + + s + + s + + + + + , + + + + + , + + + , + + , + + + + + + + M + + + + M + + M + + + M + + M + + + + M + + D + + + + + + D + + D + + D + + D + + + + + V + + + + + + + + V + + + V + + V + + + + + N + + + + + + N + + N + + N + + + N + + + + + + i + + + + + i + + I + 1 + l + + i + + + i + + s + + + + + + s + + s + + + s + + + s + + + + c + + + + + + c + + c + + + c + + + c + + u + + + + + + u + + u + + u + + + + + r + + + + + r + + + r + + + r + + r + + + + + r + + + r + + + r + + e + + + + + + e + + e + + e + + + n + + + + + + n + + n + + n + + + t + + + + + + t + + t + + t + + + l + + + + + + l + + l + + + l + + y + + + + + + y + + y + + + y + + + + + + + + a + + + + + + + a + + + a + + + a + + p + + + + + + p + + p + + p + + + p + + p + + + + + p + + + p + + p + + + + + e + + + + + e + + + e + + + e + + a + + + + + + a + + a + + a + + + + + l + + + + + l + + + l + + + l + + i + + + + + + i + + i + + i + + + n + + + + + + n + + n + + n + + + n + + g + + + + + + g + + g + + g + + + + + + + t + + + + t + + t + + + t + + + t + + h + + + + + + h + + h + + h + + + h + + e + + + + + e + + + e + + e + + + + + + + D + + + + + + D + + D + + D + + + D + + + + e + + + + + e + + + e + + e + + + + + c + + + + + c + + + c + + c + + + c + + e + + + + + + e + + e + + + e + + e + + + + + m + + + + m + + m + + + m + + m + + + + + b + + + + + b + + + b + + b + + + + + e + + + + + e + + + e + + e + + + + + r + + + + + r + + + r + + r + + + + r + + + + 2 + + + + + + 2 + + 2 + + 2 + + + 2 + + 0 + + + + + + 0 + + 0 + + 0 + + + 0 + + 1 + + + + + + 1 + + 1 + + 1 + + + + 1 + + 2 + + + + + 2 + + + 2 + + 2 + + + + + + + d + + + + + d + + + d + + d + + + d + + e + + + + + e + + + e + + e + + + + + c + + + + c + + c + + + c + + + c + + i + + + + + + i + + i + + i + + + + + s + + + + s + + s + + + s + + + s + + i + + + + + + i + + i + + i + + + o + + + + + + o + + o + + + o + + + o + + n + + + + + n + + + n + + n + + + . + + + + + + . + + . + , + + . + + + + . + + + + T + + + + + T + + + T + + T + + + + + h + + + + + + h + + h + + h + + + + + e + + + + + e + + + e + + e + + + + + + + w + + + + + w + + + w + + w + + + + + e + + + + + + e + + e + + e + + + e + + a + + + + + + a + + a + + a + + + a + + k + + + + + + k + + k + + k + + k + + + + + n + + + + + n + + + n + + n + + + + + e + + + + + e + + + e + + e + + + + + s + + + + s + + s + + + s + + s + + + s + + + + + + s + + s + + s + + + s + + + + i + + + + + + i + + i + + i + + + + + n + + + + + + n + + n + + n + + + n + + + + + + M + + + + + + M + + M + + M + + M + + + + M + + D + + + + + + D + + D + + + D + + D + + + + D + + + + V + + + + + V + + + V + + V + + + V + + + + N + + + + + N + + + N + + N + + N + + + + + + + s + + + + + + s + + s + + s + + + s + + h + + + + + + h + + h + + h + + + + h + + a + + + + + a + + + a + + a + + + r + + + + + + r + + r + + + r + + + r + + e + + + + + e + + + e + + e + + + s + + + + + + s + + s + + s + + + + s + + + + t + + + + + + t + + t + + + t + + + t + + o + + + + + o + + + o + + + o + + d + + + + + + d + + d + + d + + + + + a + + + + + a + + + a + + + a + + y + + + + + + y + + y + + y + + + + + + + i + + + + + i + + i + + + + i + + s + + + + + s + + + s + + + s + + + + + + + + b + + + + + + + b + + + b + + + b + + e + + + + + + e + + e + + + e + + + e + + c + + + + + + c + + c + + c + + + + + a + + + + + a + + + a + + a + + + u + + + + + + u + + u + + + u + + + u + + s + + + + + s + + + s + + s + + + + + e + + + + e + + e + + + e + + + e + + + + J + + + + + + + J + + J + + I + + N + + + + + + N + + N + + N + + + + N + + J + + + + + + J + I + + J + + J + + + + + h + + + + + + h + + h + + h + + + a + + + + + + a + + a + + a + + + + + s + + + + s + + s + + + s + + + s + + + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + r + + + + r + + r + + r + + + e + + + + + + e + + e + + e + + + n + + + + + + n + + n + + + n + + + n + + g + + + + + g + + + g + + + g + + t + + + + + t + + + t + + t + + + h + + + + + + h + + h + + h + + + e + + + + + + e + + e + + e + + + n + + + + + + n + + n + + n + + + n + + e + + + + + e + + + e + + + e + + d + + + + + d + + + d + + + d + + + + i + + + + + i + + i + + + t + + + + + + t + + t + + + t + + s + + + + + s + + s + + + + + s + + + + + s + + + s + + + s + + t + + + + + t + + t + + + r + + + + + + r + + r + + r + + + a + + + + + + a + + a + + + a + + t + + + + + t + + + t + + + t + + e + + + + e + + e + + e + + + g + + + + + + g + + g + + g + + + y + + + + + + y + + y + + y + + + + + i + + + + i + + i + + + i + + + i + + n + + + + n + + n + + n + + + + n + + + + p + + + + p + + p + + p + + + p + + r + + + + + r + + + r + + + r + + o + + + + + o + + + o + + + o + + s + + + + s + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + a + + + + a + + a + + a + + + t + + + + + + t + + t + + t + + + e + + + + + + e + + e + + e + + + + + c + + + + + + c + + c + + c + + + + c + + a + + + + + a + + + a + + + a + + n + + + + + n + + + n + + + n + + c + + + + + + c + + c + + c + + + e + + + + + + e + + e + + e + + + r + + + + + + r + + r + + r + + + + r + + + + a + + + + + a + + + a + + + a + + h + + + + + + h + + h + + h + + + e + + + + + + e + + e + c + + e + + + a + + + + + + a + + a + + a + + + a + + d + + + + + d + + + d + + + d + + + + o + + + + + o + + + o + + o + + + f + + + + + f + + + f + + + f + + + + t + + + + + t + + + t + + + t + + h + + + + + h + + + h + + + h + + e + + + + + e + + + e + + e + + + + + Z + + + + + + Z + + Z + + Z + + + + + y + + + + + y + + + y + + + y + + t + + + + + t + + + t + + + t + + i + + + + + i + + + i + + + i + + g + + + + + g + + + g + + + g + + a + + + + + a + + + a + + + a + + + + p + + + + + p + + + p + + p + + + a + + + + + + a + + a + + a + + + t + + + + + + t + + t + + t + + + + + e + + + + + e + + + e + + + e + + n + + + + + n + + + n + + + n + + t + + + + + t + + + t + + + t + + + + + + + + e + + + + + + + e + + + e + + + e + + x + + + + + x + + + x + + x + + + p + + + + + + p + + p + + p + + + i + + + + + + i + + i + + i + + + + + r + + + + + + t + r + + t + r + + + y + + + + + + y + + y + + y + + + + + i + + + + i + + i + + + i + + + i + + n + + + + + n + + + n + + + n + + + + 2 + + + + + + 2 + + 2 + + 2 + + + + 2 + + 0 + + + + + 0 + + + 0 + + 0 + + + 1 + + + + + + 1 + + 1 + + 1 + + + 1 + + 4 + + + + + 4 + + + 4 + + + 4 + + , + + + + + + , + + , + + + , + + + + a + + + + + + a + + a + + a + + + n + + + + + + n + + n + + n + + + n + + d + + + + + d + + + d + + + d + + + + a + + + + + + a + + a + + + a + + s + + + + + + s + + s + + + s + + + + i + + + + + i + + + i + + i + + + t + + + + + + t + + t + + t + + + + + m + + + + + + m + + m + + m + + + a + + + + + + a + + a + + a + + + + + y + + + + + y + + + y + + + y + + + + b + + + + + b + + + b + + + b + + e + + + + + + e + + e + + e + + + + + + + p + + + + + p + + + p + + + p + + e + + + + + + e + + e + + e + + + r + + + + + + r + + r + + r + + + r + + c + + + + + c + + + c + + + c + + e + + + + + e + + + e + c + + + e + + i + + + + + + i + + i + + i + + + + + v + + + + + v + + + v + + + v + + e + + + + + e + + + e + + + e + + d + + + + + + d + + d + + d + + + + + + + t + + + + + + t + + t + + t + + + + + h + + + + + h + + + h + + + h + + a + + + + + + a + + a + + a + + + t + + + + + + t + + t + + t + + + t + + + + M + + + + M + + M + + + M + + M + + + + + D + + + + + + D + + D + + D + + D + + + + + V + + + + + + V + + V + + V + + + + V + + + + N + + + + + N + + + N + + N + + + + N + + + + ’ + + + + + + ' + ’ + - + " + + ’ + ' + + + + ’ + ' + + s + + + + + + s + + s + + + s + + + + l + + + + + l + + I + + l + + + l + + e + + + + + e + + + e + + + e + + g + + + + + g + + + g + + + g + + a + + + + + a + + + a + + + a + + l + + + + l + + l + + + l + + + l + + + + c + + + + + c + + + c + + + c + + l + + + + + l + + + l + + + l + + a + + + + + a + + + a + + + a + + i + + + + + + i + + i + + i + + + + + m + + + + + m + + + m + + m + + + + + s + + + + s + + s + + + s + + + s + + + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + + n + + + + A + + + + + A + + + A + + + A + + r + + + + + + r + + r + + r + + + r + + a + + + + + + a + + a + + a + + + g + + + + + + g + + g + + g + + + g + + o + + + + + o + + + o + + o + + + + + n + + + + n + + n + + + n + + + n + + + + a + + + + + a + + + a + + + a + + r + + + + + r + + + r + + + r + + e + + + + + e + + + e + + + e + + + + + + + + w + + + + + + + + w + + w + + w + + w + + + + + e + + + + + + e + + e + + e + + + e + + a + + + + + + a + + a + + a + + + a + + k + + + + + + k + + k + + k + + + k + + . + + + + + + . + + . + , + + + . + , + + + + . + + + + W + + + + + W + + + W + + W + + + e + + + + + + e + + e + + e + + + e + + + + s + + + + s + + s + + + s + + + s + + u + + + + + + u + + u + + u + + + + + g + + + + + g + + + g + + + g + + g + + + + + + g + + g + + g + + + + g + + e + + + + + e + + + e + + + e + + s + + + + + + s + + s + + s + + + + + t + + + + + t + + + t + + + t + + + + b + + + + + b + + + b + + + b + + u + + + + + + u + + u + + u + + + + + y + + + + + y + + + y + + y + + + i + + + + + + i + + i + + i + + + i + + n + + + + + + n + + n + + n + + + n + + g + + + + + + g + + g + + g + + + g + + + + + + M + + + + + + M + + M + + M + + M + + + + + D + + + + + + D + + D + + D + + + D + + + + V + + + V + + + V + + V + + + + V + + N + + + + + + N + + N + + + N + + N + + + + + + + s + + + + + s + + + s + + + s + + h + + + + + + h + + h + + h + + + h + + a + + + + + a + + + a + + + a + + r + + + + + + r + t + + r + t + + r + + + e + + + + + + e + + e + + e + + + s + + + + + + s + + s + + s + + + + + i + + + + + + i + + i + + i + + + n + + + + + + n + + n + + + n + + + + l + + + + + l + + l + + + i + + + + + + i + + i + + i + + + g + + + + + + g + + g + + g + + + h + + + + + + h + + h + + + h + + t + + + + + t + + + t + + + t + + + + o + + + + + + o + + o + + + o + + f + + + + + f + + + f + + + f + + + + t + + + + t + + t + + t + + + + + o + + + + + o + + + o + + + o + + d + + + + + d + + + d + + + d + + a + + + + + a + + + a + + a + + + y + + + + + + y + + y + + y + + + y + + ’ + + + + + + + ’ + ' + + + ’ + ” + ' + + + + + ’ + ' + + s + + + + + s + + + s + + + s + + + + p + + + + + + p + + p + + p + + + u + + + + + + u + + u + + u + + + l + + + + + + l + + l + + + l + + + l + + l + + + + + l + + + l + + + + l + + b + + + + + b + + b + + + b + + a + + + + + a + + + a + + + a + + c + + + + + + c + + c + + c + + + k + + + + + + k + + k + + k + + + , + + + + + + , + + , + + , + + + + + a + + + + + a + + + a + + + a + + s + + + + + s + + + s + + s + + + + + w + + + + + w + + + w + + + w + + e + + + + + e + + + e + + + e + + + + c + + + + + c + + + c + + + c + + o + + + + + o + + + o + + o + + + n + + + + + + n + + n + + n + + + t + + + + + + t + + t + + + t + + + t + + i + + + + + i + + + i + + + i + + n + + + + + n + + + n + + + n + + u + + + + + u + + + u + + + u + + e + + + + + + e + + e + + + e + + + + t + + + + + + t + + t + + t + + + o + + + + + o + + + o + + + o + + + + + + + + e + + + + + + + e + + + e + + e + + + x + + + + + + x + + x + + x + + + x + + p + + + + + p + + + p + + p + + + + + e + + + + + e + + + e + + + e + + c + + + + + + c + + c + + c + + + + c + + t + + + + + t + + + t + + t + + + + + + + m + + + + + + m + + m + + m + + + + m + + i + + + + + i + + + i + + i + + + n + + + + + + n + + n + + + n + + + n + + i + + + + + + i + + i + + i + + + m + + + + + + m + + m + + m + + + m + + a + + + + + a + + + a + + a + + + l + + + + + + l + + l + + l + + + + + + + i + + + + + + i + + i + + i + + + + + m + + + + + m + + + m + + + m + + p + + + + + + p + + p + + p + + + + p + + a + + + + + a + + + a + + a + + + + + c + + + + c + + c + + + c + + + c + + t + + + + + + t + + t + + t + + + + t + + + + o + + + + + + o + + o + + o + + + f + + + + + + f + + f + + f + + + + f + + + + A + + + + + + A + + A + + + A + + A + + + + + R + + + + + R + + + R + + R + + + + + N + + + + + N + + + N + + N + + + + + - + + + + + + - + + - + + - + + + - + + 5 + + + + + + 5 + + 5 + + 5 + + + 5 + + 0 + + + + + + 0 + + 0 + + 0 + + + 0 + + 9 + + + + + 9 + + + 9 + + + 9 + + + + o + + + + + o + + + o + + + o + + n + + + + + + n + + n + + n + + + + n + + + + X + + + + + X + + + X + + + X + + + + t + + + + + t + + t + + + t + + a + + + + + a + + + a + + + a + + n + + + + + + n + + n + + n + + + n + + d + + + + + d + + + d + + + d + + i + + + + + i + + + i + + + i + + + + i + + + + + i + + + i + + + i + + n + + + + n + + n + + n + + + + n + + + + t + + + + + t + + + t + + + t + + h + + + + + h + + + h + + h + + + e + + + + + + e + + e + + e + + + + + + + m + + + + + + m + + m + + m + + + + + a + + + + + a + + + a + + + a + + r + + + + + + r + + r + + r + + + + r + + k + + + + + k + + + k + + + k + + e + + + + + e + + + e + + e + + + t + + + + + + t + + t + + + t + + + t + + p + + + + + p + + + p + + + p + + l + + + + + l + + + l + + + l + + a + + + + + a + + + a + + + a + + c + + + + + + c + + c + + c + + + e + + + + + + + e + + e + + + e + + + + b + + + + + + b + + b + + + b + + e + + + + + + e + + e + + e + + + + + c + + + + + c + + + c + + + c + + a + + + + + a + + + a + + a + + + u + + + + + + u + + u + + + u + + + + u + + s + + + + s + + s + + + s + + + s + + e + + + + + e + + + e + + + e + + + + o + + + + + + o + + o + + o + + + f + + + + + + f + + f + + + f + + + + c + + + + + c + + + c + + + c + + l + + + + l + + l + + + l + + + i + + + + + + i + + i + + i + + + n + + + + + + n + + n + + + n + + i + + + + + i + + + i + + + i + + c + + + + c + + c + + c + + + a + + + + + + a + + a + + a + + + l + + + + + + l + + l + + + l + + + + + + + + a + + + + + + + + a + + a + + a + + + + + n + + + + + n + + + n + + + n + + d + + + + + d + + + d + + d + + + + + + + r + + + + + r + + + r + + r + + + e + + + + + + e + + e + + e + + + e + + g + + + + + g + + + g + + + g + + u + + + + + + u + + u + + u + + + + + l + + + + l + + l + + + l + + + l + + a + + + + + a + + + a + + + a + + t + + + + + t + + + t + + + t + + o + + + + + o + + + o + + + o + + r + + + + + + r + + r + + r + + + y + + + + + + y + + y + + y + + + + + c + + + + + c + + + c + + + c + + h + + + + + + h + + h + + h + + + + + a + + + + + a + + + a + + + a + + l + + + + + l + + + l + + + l + + l + + + + + + l + + l + + l + + + e + + + + + + e + + e + + e + + + + + n + + + + + n + + + n + + + n + + g + + + + + g + + + g + + g + + + e + + + + + + e + + e + + e + + + e + + s + + + + + s + + + s + + + s + + + + f + + + + + + f + + f + + f + + + + f + + a + + + + + a + + + a + + + a + + c + + + + + + c + + c + + c + + + + + i + + + + + i + + + i + + i + + + n + + + + + + n + + n + + n + + + n + + g + + + + + + g + + g + + g + + + g + + + + + + A + + + + + + A + + A + + A + + A + + + + + R + + + + + R + + + R + + R + + + + + N + + + + + + N + + N + + N + + + N + + + + - + + + + + - + + + - + + - + + + + - + + 5 + + + + + + 5 + 3 + + 5 + 3 + + 5 + + 3 + + + + 0 + + + + + 0 + + + 0 + + 0 + + + + + 9 + + + + + 9 + + + 9 + + + 9 + + + + a + + + + + + a + + a + + a + + + + a + + n + + + + + n + + + n + + n + + + + + d + + + + + d + + + d + + + d + + + + + + X + + + + + + X + + X + + + X + + + X + + t + + + + + + t + + t + + t + + + t + + a + + + + + a + + + a + + + a + + n + + + + + + n + + n + + n + + + + + d + + + + + d + + + d + + + d + + i + + + + + i + + + i + + + i + + ’ + + + + + + ’ + ' + + ' + ’ + + s + + + + + + s + + s + + s + + + + + f + + + + + + f + + f + + + f + + i + + + + + i + + + i + + i + + + r + + + + + + r + + r + + + r + + s + + + + + s + + + s + + + + t + + + + + t + + + t + + + t + + + + m + + + + + m + + + m + + + m + + o + + + + + + o + + o + + o + + + o + + v + + + + + + v + + v + + v + + + + v + + e + + + + + e + + + e + + + e + + r + + + + + + r + + r + + r + + + + r + + + + a + + + + + + a + + a + + a + + + a + + d + + + + + d + + + d + + d + + + v + + + + + + v + + v + + v + + + v + + a + + + + + a + + + a + + a + + + + + n + + + + n + + n + + + n + + + n + + t + + + + + + t + + t + + t + + + + + a + + + + + a + + + a + + + a + + g + + + + + + g + + g + + g + + + + + e + + + + + e + + + e + + + e + + + + o + + + + + o + + + o + + + o + + f + + + + + f + + + f + + + f + + + + 5 + + + + + 5 + + + 5 + + + 5 + + + + + + + + + + + - + + + + + + + + + + + + + + + + + + + + y + + + + + + + y + + + y + + + y + + e + + + + + + e + + e + + e + + + + + a + + + + a + + a + + + a + + + a + + r + + + + + r + + + r + + r + + + s + + + + + + s + + s + + s + + + + s + + + + o + + + + + + o + + o + + o + + + o + + v + + + + + + v + + v + + v + + + + + e + + + + + e + + + e + + + e + + r + + + + + + r + + r + + r + + + r + + + + + + A + + + + A + + A + + + A + + A + + + + + R + + + + + R + + + R + + R + + + + + N + + + + + N + + + N + + N + + + + + - + + + + + + - + = + + - + + - + + + - + + 5 + + + + + 5 + + + 5 + + 5 + + + + + 0 + + + + + 0 + + + 0 + + + 0 + + 9 + + + + + + 9 + 0 + 1 + + 9 + + + 9 + + + + i + + + + + i + + + i + + + i + + n + + + + n + + n + + n + + + + + e + + + + + + e + + e + c + + + e + + a + + + + + + a + + a + + + a + + r + + + + + r + + + r + + + r + + l + + + + + l + + + l + + + l + + i + + + + + i + + + i + + + + i + + e + + + + e + + e + + e + + + r + + + + + + r + + r + + r + + + - + + + + + + - + + - + + - + + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + a + + + + + a + + + a + + + a + + g + + + + + g + + + g + + + g + + e + + + + + e + + + e + + + e + + + + p + + + + p + + p + + + p + + + p + + r + + + + + r + + + r + + + r + + o + + + + + o + + + o + + + o + + s + + + + + s + + + s + + + s + + t + + + + + t + + + t + + + t + + a + + + + + a + + + a + + + a + + t + + + + + + t + + t + l + i + + + t + + e + + + + + e + + c + + e + c + + + e + + + + c + + + + + c + + + c + + + c + + a + + + + + a + + + a + + + a + + n + + + + + + n + + n + + n + + + c + + + + + + c + + c + + c + + + c + + e + + + + + e + + + e + + + e + + r + + + + + r + + + r + + + r + + s + + + + + s + + + s + + + s + + . + + + + + . + + , + + . + , + + + . + + + + N + + + + + N + + + N + + N + + + e + + + + + + e + + e + + e + + + + e + + x + + + + + x + + + x + + + x + + t + + + + + t + + + t + + + t + + + + c + + + + + + c + + c + + c + + + a + + + + + + a + + a + + a + + + t + + + + + + t + + t + + t + + + a + + + + + + a + + a + + a + + + l + + + + + l + + + l + + l + + + y + + + + + + y + + y + + + y + + s + + + + + s + + + s + + + s + + t + + + + + + t + + t + + t + + + + + s + + + + s + + s + + + s + + + s + + + + f + + + + + f + + + f + + + + o + + + + + o + + + o + + o + + + r + + + + + + r + + r + + r + + + + + + + M + + + + + + M + + M + + M + + M + + + + + D + + + + + D + + + D + + D + + + D + + + + V + + + + ' + + V + + + V + + V + + + + V + + N + + + + + N + + + N + + N + + + + N + + + + i + + + + + + i + + i + + i + + + + i + + n + + + + + n + + + n + + + n + + c + + + + + + c + + c + + c + + + + c + + l + + + + + l + + + l + + l + + + u + + + + + + u + + u + + u + + + + + d + + + + + d + + + d + + + d + + e + + + + + e + + + e + + e + + + + + + + + + + + q + + + + + + + q + + + q + + + q + + u + + + + + + u + + u + + + u + + + u + + a + + + + + + a + + a + + a + + + + + r + + + + + r + + + r + + + r + + t + + + + + t + + + t + + + t + + e + + + + + e + + + e + + + e + + r + + + + + + r + + r + + + r + + l + + + + + + l + + l + + l + + + y + + + + + + y + + y + + y + + + + + e + + + + + e + + + e + + e + + + a + + + + + + a + + a + + + a + + + a + + r + + + + + + r + + r + + r + + + + + n + + + + n + + n + + + n + + + n + + i + + + + + i + + + i + + i + + + n + + + + + + n + + n + + n + + + + + g + + + + + g + + + g + + + g + + s + + + + + s + + + s + + s + + + + + i + + + + + i + + + i + + + i + + n + + + + + + n + + n + + n + + + + + + + J + + + + + J + + + J + + J + + + u + + + + + u + + + u + + + u + + l + + + + + l + + + l + + l + + + y + + + + + + y + + y + + y + + + , + + + + + + , + + , + + , + + + + , + + + + i + + + + + + i + + i + + i + + + n + + + + + + n + + n + + n + + + + + t + + + + + t + + + t + + + t + + e + + + + + e + + + e + + e + + + r + + + + + + r + + r + + r + + + i + + + + + + i + + i + + i + + + + m + + + + + m + + + m + + m + + + + + + + d + + + + d + + d + + + d + + + d + + a + + + + + + a + + a + + a + + + a + + t + + + + + + t + + t + + t + + + + + a + + + + + a + + + a + + a + + + + + f + + + + + + f + + f + + f + + + + r + + + + + r + + + r + + + r + + o + + + + + + o + + o + + o + + + o + + + + m + + + + + m + + + m + + m + + + m + + + + + + P + + + + + + P + + P + + + P + + P + + + + + R + + + + + + R + + R + + + R + + R + + + R + + + + E + + + + + E + + + E + + E + + + E + + + + V + + + + + V + + + V + + V + + V + + + + + A + + + + + A + + + A + + A + + + A + + + + I + + + + + I + + + I + + I + + + I + + + + L + + + + + L + + + L + + L + + + L + + + + a + + + + + + a + + a + + a + + a + + + + + n + + + + + n + + + n + + n + + + + + d + + + + + + d + + d + + d + + d + + + + + + + T + + + + + T + + + T + + T + + + + T + + E + + + + + + E + + E + + + E + + E + + + + E + + R + + + + + + R + + R + + R + + R + + + + + R + + + + + + R + + R + + R + + R + + + + + A + + + + + + A + + A + + A + + A + + + + + I + + + + + + I + + I + + I + + + I + + + + N + + + + + N + + + N + + N + + + + + + + d + + + + + d + + + d + + d + + + + + a + + + + + a + + + a + + a + + + + + t + + + + t + + t + + + t + + + t + + a + + + + + + a + + a + + a + + + + + + + i + + + + + + i + + i + + i + + + + i + + n + + + + + n + + + n + + n + + + + + 2 + + + + + 2 + + + 2 + + 2 + + + H + + + + + + H + + H + + H + + + H + + , + + + + + + , + + , + + , + + + + + + + + + + + f + + + + + + + f + + + f + + + f + + o + + + + + o + + + o + + + o + + l + + + + + l + + + l + + l + + + l + + + + + + l + + l + + l + + + + + o + + + + + o + + + o + + o + + + w + + + + + + w + + w + + + w + + + w + + e + + + + + e + + + e + + + e + + d + + + + + + d + + d + + d + + + d + + + + b + + + + + b + + + b + + + b + + y + + + + + y + + + y + + + y + + + + a + + + + + + a + + a + + a + + + + + p + + + + + + p + + p + + p + + + + p + + o + + + + + o + + + o + + + o + + t + + + + + t + + + t + + t + + + e + + + + + + e + + e + + e + + + + + n + + + + + n + + + n + + + n + + t + + + + + t + + + t + + + t + + i + + + + + i + + + i + + + i + + a + + + + + a + + + a + + + a + + l + + + + + + l + + l + + l + + + + + E + + + + + + E + + E + + E + + + U + + + + + + U + + U + + U + + + U + + + + X + + + + + X + + + X + + + X + + + + t + + + + + t + + t + + + t + + a + + + + + a + + + a + + + a + + n + + + + + + n + + n + + n + + + + + d + + + + + d + + + d + + + d + + i + + + + + i + + + i + + + i + + + + a + + + + + + a + + a + + a + + + + + p + + + + + p + + + p + + + p + + p + + + + + p + + + p + + p + + + + + r + + + + r + + r + + + r + + + r + + o + + + + + o + + + o + + o + + + v + + + + + + v + + v + + v + + + v + + a + + + + + a + + + a + + + a + + l + + + + + l + + + l + + l + + + + + i + + + + + + i + + i + + i + + + + n + + + + + + n + + n + + n + + + + + + + m + + + + + + m + + m + + m + + + m + + C + + + + + + C + + C + + C + + + C + + + + R + + + + + R + + + R + + R + + + R + + P + + + + + + P + + P + + P + + P + + + + + C + + + + + + C + ( + + C + + C + + + + C + + + + b + + + + + + b + + b + + b + + + b + + y + + + + + y + + + y + + + y + + + + y + + + + + y + + + y + + + y + + e + + + + + + e + + e + + e + + + + e + + a + + + + + a + + + a + + + a + + r + + + + + + r + + r + + r + + + r + + - + + + + + - + + + - + + + - + + e + + + + + + e + + e + + e + + + n + + + + + + n + + n + + n + + + d + + + + + + d + + d + + d + + + . + + + + + . + + + . + + + . + + + + + +

+
+
+ + diff --git a/tests/assets/simple_paragraph_lstm_choice_mode2.hocr b/tests/assets/simple_paragraph_lstm_choice_mode2.hocr new file mode 100644 index 0000000..bd387e8 --- /dev/null +++ b/tests/assets/simple_paragraph_lstm_choice_mode2.hocr @@ -0,0 +1,5714 @@ + + + + + + + + + + +
+
+

+ + + J + + J + I + T + S + F + U + + N + + N + M + \ + V + A + W + + J + + J + I + U + T + 7 + ] + + + + a + + a + s + e + A + + n + + n + m + o + r + + n + + n + m + i + o + h + a + + o + + o + n + + u + + u + w + n + i + + n + + n + a + m + r + i + s + + c + + c + t + e + + e + + e + c + + d + + d + + + + t + + t + + h + + h + b + + i + + i + l + I + + s + + s + S + e + + + + m + + m + n + w + + o + + o + e + + r + + r + n + + n + + n + m + o + + i + + i + + n + + n + o + a + + g + + g + G + + + + t + + t + + h + + h + + e + + e + + + + a + + a + n + + c + + c + t + C + d + + q + + q + g + + u + + u + + i + + i + u + + s + + s + + i + + i + + t + + t + + i + + i + l + + o + + o + + n + + n + o + + + + o + + o + 0 + + f + + f + + + + p + + p + + r + + r + + i + + i + a + u + + v + + v + V + y + w + r + + a + + a + e + + t + + t + + e + + e + c + + l + + l + t + L + + y + + y + + - + + - + ~ + — + + h + + h + + e + + e + c + + l + + l + i + + d + + d + + + + A + + A + + r + + r + t + + a + + a + n + s + + g + + g + + o + + o + + n + + n + m + a + r + i + u + + + + f + + f + + o + + o + + r + + r + + + + $ + + $ + § + £ + + 6 + + 6 + + 5 + + 5 + 3 + + 0 + + 0 + 6 + + + + m + + m + + i + + i + + l + + l + + l + + l + + i + + i + l + j + + o + + o + + n + + n + o + a + + + + + + w + + w + W + v + m + n + u + + i + + i + a + l + u + d + j + + t + + t + c + r + l + i + k + + h + + h + b + l + n + i + k + + + + a + + a + 2 + A + & + d + 4 + + + + $ + + $ + § + £ + # + ¥ + 8 + + 3 + + 3 + 5 + 7 + 2 + I + J + + 5 + + 5 + 3 + S + s + > + + 0 + + 0 + O + 6 + + + + m + + m + + i + + i + a + u + d + + l + + l + + l + + l + t + k + i + + i + + i + l + + o + + o + + n + + n + o + m + a + r + + + + c + + c + C + + o + + o + + n + + n + a + m + u + + t + + t + + i + + i + + n + + n + + g + + g + + e + + e + s + + n + + n + o + a + m + + t + + t + e + i + + + + d + + d + A + J + + e + + e + c + o + é + + v + + v + V + w + y + + e + + e + c + + l + + l + + o + + o + + p + + p + + m + + m + n + u + + e + + e + + n + + n + + t + + t + + + + m + + m + + i + + i + j + + l + + l + + e + + e + + s + + s + + t + + t + + o + + o + + n + + n + m + o + r + i + u + + e + + e + c + s + g + t + é + + . + + . + , + : + + + + A + + A + + s + + s + + + + a + + a + i + 2 + s + A + + + + r + + r + + e + + e + + m + + m + + i + + i + + n + + n + + d + + d + + e + + e + + r + + r + + , + + , + + + + A + + A + + r + + r + + a + + a + + g + + g + + o + + o + + n + + n + + ’ + + ’ + ' + + s + + s + + + + l + + l + I + 1 + J + + e + + e + c + o + s + + a + + a + n + + d + + d + + + + + + c + + c + e + t + C + ¢ + d + + o + + o + a + n + u + e + O + + m + + m + n + w + u + l + a + + p + + p + g + y + n + b + + o + + o + i + e + r + + u + + u + a + n + i + w + t + + n + + n + i + m + r + a + t + + d + + d + c + + , + + , + . + ; + L + + + + A + + A + M + R + a + N + + R + + R + B + K + N + A + + N + + N + + - + + - + = + ~ + + + < + . + + 5 + + 5 + 3 + S + + 0 + + 0 + + 9 + + 9 + 0 + Y + 7 + 2 + 1 + + , + + , + ; + . + + + + i + + i + { + d + 1 + + s + + s + 5 + S + g + $ + 3 + + + + v + + v + + i + + i + + e + + e + + w + + w + + e + + e + + d + + d + + + + a + + a + + s + + s + S + 5 + ; + g + + + + a + + a + + + + d + + d + + i + + i + + r + + r + + e + + e + + c + + c + e + + t + + t + + + + n + + n + m + o + r + 0 + a + + d + + d + e + l + + + + g + + g + e + s + ¢ + z + c + + e + + e + o + é + c + a + E + + n + + n + m + i + r + a + h + + e + + e + c + g + s + o + t + + r + + r + n + t + e + + a + + a + n + o + + t + + t + i + + i + + i + + o + + o + n + r + a + + n + + n + o + m + i + l + t + + + + a + + a + s + + n + + n + o + m + r + + d + + d + + r + + r + + o + + o + n + + g + + g + + e + + e + é + + n + + n + m + + + + r + + r + t + + e + + e + c + é + + c + + c + e + g + . + + e + + e + c + o + g + é + + p + + p + y + + t + + t + + o + + o + u + + r + + r + n + t + y + + + + i + + i + + n + + n + m + o + + h + + h + b + + i + + i + + b + + b + + i + + i + + t + + t + + o + + o + + r + + r + n + + + + + + c + + c + e + C + t + ¢ + o + + o + + o + u + a + n + e + r + + m + + m + n + w + u + r + M + + p + + p + y + b + g + o + m + + e + + e + g + c + s + a + o + + t + + t + d + i + l + f + + i + + i + l + y + d + + t + + t + l + i + f + r + + o + + o + a + e + u + n + + r + + r + n + t + c + v + + + + t + + t + f + + o + + o + 0 + + + + X + + X + K + Y + x + N + l + + t + + t + + a + + a + + n + + n + o + m + a + u + r + + d + + d + + i + + i + l + d + + . + + . + , + + + + A + + A + M + l + + l + + l + d + + s + + s + S + e + + o + + o + c + n + + , + + , + . + + + + r + + r + t + + e + + e + c + o + + c + + c + e + + a + + a + + l + + l + i + d + + l + + l + ] + + + + t + + t + + h + + h + + a + + a + s + t + o + + t + + t + r + + + + M + + M + V + + D + + D + + V + + V + W + Y + J + P + + N + + N + + + + i + + i + I + 1 + + s + + s + 5 + S + + + + s + + s + S + + u + + u + n + w + i + v + a + + i + + i + + n + + n + o + r + + g + + g + ¢ + + + + A + + A + M + l + + r + + r + + a + + a + + g + + g + + o + + o + + n + + n + m + + + + a + + a + + s + + s + S + g + + + + i + + i + + t + + t + + + + c + + c + t + + l + + l + + a + + a + s + o + + i + + i + u + + m + + m + n + + s + + s + S + + + + t + + t + + o + + o + 0 + + + + h + + h + b + + a + + a + + v + + v + + e + + e + + + + + + r + + r + v + t + m + s + n + + i + + i + u + a + o + l + I + + g + + g + c + s + e + a + G + + h + + h + n + l + b + i + + t + + t + e + i + l + c + s + + s + + s + S + e + g + y + ; + + + + t + + t + f + l + L + i + r + + o + + o + 0 + . + e + c + , + + + + A + + A + R + M + e + a + I + + R + + R + B + K + N + A + r + + N + + N + M + + - + + - + = + ~ + — + . + > + + 5 + + 5 + 3 + S + % + > + + 0 + + 0 + 6 + + 9 + + 9 + 0 + 3 + + . + + . + , + : + _ + + + + H + + H + F + + a + + a + + v + + v + y + w + V + r + + i + + i + + n + + n + + g + + g + e + + + + l + + l + 1 + J + I + + o + + o + + s + + s + + t + + t + + + + t + + t + + h + + h + b + l + + e + + e + é + + + + f + + f + + i + + i + u + a + l + y + + r + + r + t + x + n + + s + + s + g + S + + t + + t + + + + r + + r + t + f + v + m + s + + o + + o + + u + + u + a + w + n + + n + + n + + d + + d + + + + o + + o + + f + + f + + + + p + + p + + r + + r + + o + + o + u + + c + + c + + e + + e + c + + e + + e + c + s + + d + + d + + i + + i + + n + + n + + g + + g + + s + + s + + , + + , + + + + M + + M + + D + + D + O + P + + V + + V + W + Y + + N + + N + + + + i + + i + I + + s + + s + S + 5 + + + + c + + c + + u + + u + + r + + r + t + + r + + r + t + + e + + e + + n + + n + m + a + i + + t + + t + + l + + l + + y + + y + + + + + + a + + a + s + o + A + i + e + + p + + p + g + b + o + n + P + + p + + p + y + g + n + o + m + + e + + e + c + é + o + s + a + + a + + a + i + s + e + u + d + + l + + l + d + t + i + k + ) + + i + + i + I + l + a + h + u + + n + + n + o + + g + + g + e + s + a + ¢ + G + + + + t + + t + + h + + h + b + + e + + e + c + s + é + + + + D + + D + P + N + M + + e + + e + c + é + o + s + t + + c + + c + e + + e + + e + c + s + g + é + o + + m + + m + n + u + w + + b + + b + + e + + e + o + c + r + é + + r + + r + n + t + + + + 2 + + 2 + % + + 0 + + 0 + O + 6 + + 1 + + 1 + ] + l + I + ! + : + + 2 + + 2 + Z + ? + % + + + + d + + d + + e + + e + c + é + g + + c + + c + e + + i + + i + u + a + l + + s + + s + + i + + i + + o + + o + + n + + n + r + m + h + o + N + + . + + . + , + : + - + + + + T + + T + + h + + h + + e + + e + s + c + + + + w + + w + + e + + e + c + + a + + a + + k + + k + l + t + i + + n + + n + o + m + i + a + + e + + e + c + g + + s + + s + + s + + s + + + + i + + i + + n + + n + + + + M + + M + H + + D + + D + P + O + + V + + V + Y + + N + + N + M + + + + s + + s + + h + + h + + a + + a + + r + + r + t + v + + e + + e + c + + s + + s + S + + + + t + + t + + o + + o + + d + + d + + a + + a + + y + + y + v + + + + i + + i + 1 + I + d + l + + s + + s + S + + + + + + b + + b + h + o + l + p + k + + e + + e + c + o + é + a + g + + c + + c + e + C + g + t + ¢ + + a + + a + e + o + A + m + + u + + u + n + w + a + v + i + + s + + s + e + r + t + + e + + e + c + s + t + é + g + + + + J + + J + I + T + F + + N + + N + M + + J + + J + I + ] + U + T + ) + + + + h + + h + b + l + + a + + a + + s + + s + + + + s + + s + + t + + t + + r + + r + + e + + e + + n + + n + + g + + g + + t + + t + + h + + h + b + + e + + e + c + + n + + n + + e + + e + c + + d + + d + + + + i + + i + u + + t + + t + i + + s + + s + S + + + + s + + s + S + + t + + t + + r + + r + + a + + a + o + n + + t + + t + + e + + e + + g + + g + + y + + y + + + + i + + i + + n + + n + + + + p + + p + + r + + r + + o + + o + + s + + s + + t + + t + + a + + a + + t + + t + + e + + e + + + + c + + c + + a + + a + + n + + n + m + o + a + u + + c + + c + e + t + + e + + e + + r + + r + + + + a + + a + s + o + + h + + h + b + l + + e + + e + c + s + + a + + a + + d + + d + + + + o + + o + + f + + f + + + + t + + t + + h + + h + + e + + e + + + + Z + + Z + z + + y + + y + + t + + t + + i + + i + + g + + g + + a + + a + + + + p + + p + + a + + a + + t + + t + + e + + e + + n + + n + + t + + t + + + + + + e + + e + c + o + é + E + a + + x + + x + X + s + c + k + + p + + p + y + n + m + u + v + + i + + i + l + u + p + a + + r + + t + r + n + l + i + e + + y + + t + r + v + l + + + + i + + i + I + 1 + a + d + l + + n + + n + o + m + a + u + i + + + + 2 + + 2 + + 0 + + 0 + O + 6 + o + ( + 1 + + 1 + + 1 + l + I + ] + + 4 + + 4 + d + ¢ + 9 + < + + , + + , + . + ; + + + + a + + a + + n + + n + + d + + d + + + + a + + a + + s + + s + 5 + S + $ + g + 3 + + + + i + + i + I + u + 1 + + t + + t + + + + m + + m + n + w + + a + + a + + y + + y + + + + b + + b + + e + + e + é + c + + + + p + + p + + e + + e + + r + + r + + c + + c + e + + e + + e + c + o + s + é + g + + i + + i + l + a + + v + + v + + e + + e + c + a + o + + d + + d + + + + t + + t + + h + + h + b + + a + + a + o + n + + t + + t + + + + M + + M + V + H + + D + + D + O + B + P + ' + + V + + V + W + Y + + N + + N + W + I + M + + ’ + + ’ + ' + + s + + s + 5 + g + S + y + ; + + + + l + + l + I + J + L + + e + + e + + g + + g + + a + + a + + l + + l + + + + c + + c + + l + + l + + a + + a + o + + i + + i + + m + + m + n + l + + s + + s + S + $ + + + + o + + o + + n + + n + o + m + + + + A + + A + M + + r + + r + + a + + a + + g + + g + + o + + o + + n + + n + m + + + + a + + a + + r + + r + + e + + e + c + s + + + + + + w + + w + n + m + v + W + r + + e + + e + c + é + o + a + t + + a + + a + o + e + n + s + u + + k + + k + l + t + i + h + + . + + . + , + : + ; + + + + W + + W + w + V + M + N + Y + + e + + e + + + + s + + s + S + e + + u + + u + n + a + i + v + w + + g + + g + a + + g + + g + e + + e + + e + o + c + s + + s + + s + + t + + t + + + + b + + b + h + + u + + u + a + o + n + w + i + + y + + y + v + + i + + i + + n + + n + + g + + g + a + e + G + + + + M + + M + V + + D + + D + O + P + + + + V + + V + W + Y + + N + + N + + + + s + + s + g + c + + h + + h + + a + + a + + r + + r + t + f + + e + + e + c + g + + s + + s + + + + i + + i + + n + + n + m + i + o + a + u + + + + l + + l + + i + + i + a + + g + + g + e + + h + + h + b + + t + + t + + + + o + + o + 0 + O + + f + + f + + + + t + + t + + o + + o + + d + + d + + a + + a + + y + + y + + ’ + + ’ + ” + ' + " + + s + + s + S + + + + p + + p + + u + + u + + l + + l + + l + + l + + b + + b + + a + + a + + c + + c + e + + k + + k + + , + + , + ; + . + + + + a + + a + + s + + s + + + + w + + w + v + W + + e + + e + + + + c + + c + + o + + o + + n + + n + a + + t + + t + + i + + i + + n + + n + o + m + + u + + u + v + + e + + e + c + g + s + é + ¢ + + + + t + + t + + o + + o + 0 + + + + + + e + + e + c + é + o + E + s + + x + + x + s + c + X + k + z + + p + + p + y + g + m + P + b + + e + + e + c + o + é + a + s + + c + + c + e + C + r + t + + t + + t + l + e + i + k + c + + + + m + + m + n + M + w + l + a + + i + + i + I + a + u + o + + n + + n + m + o + r + u + + i + + i + I + a + s + + m + + m + n + u + w + + a + + a + i + o + e + + l + + l + ! + i + d + t + + + + i + + i + I + f + l + + m + + m + n + w + a + M + s + + p + + p + + a + + a + + c + + c + e + r + + t + + t + + + + o + + o + O + 0 + + f + + f + + + + A + + A + R + e + a + M + n + + R + + R + K + N + A + B + + N + + N + X + M + + - + + - + ~ + = + + 5 + + 5 + 3 + + 0 + + 0 + + 9 + + 9 + % + 0 + Y + 3 + g + + + + o + + o + 0 + + n + + n + m + r + i + a + h + + + + X + + X + x + Y + K + + t + + t + + a + + a + + n + + n + + d + + d + + i + + i + + + + i + + i + + n + + n + + + + t + + t + + h + + h + b + + e + + e + c + + + + m + + m + + a + + a + + r + + r + + k + + k + + e + + e + + t + + t + + p + + p + + l + + l + + a + + a + o + + c + + c + + e + + e + + + + b + + b + + e + + e + c + + c + + c + e + + a + + a + + u + + u + v + n + + s + + s + + e + + e + c + é + + + + o + + o + + f + + f + + + + c + + c + + l + + l + + i + + i + + n + + n + m + o + + i + + i + + c + + c + + a + + a + + l + + l + t + ! + i + + + + + + a + + a + A + i + o + u + 2 + + n + + n + m + o + i + a + u + + d + + d + l + A + a + J + 0 + + + + r + + r + n + t + c + p + m + + e + + e + c + + g + + g + a + q + s + c + + u + + u + a + n + + l + + l + d + i + + a + + a + n + s + i + + t + + t + r + i + l + + o + + o + a + e + u + n + + r + + r + n + t + v + w + + y + + y + + + + c + + c + t + e + d + ¢ + C + + h + + h + b + + a + + a + e + + l + + l + i + d + t + + l + + l + i + + e + + e + o + é + c + + n + + n + o + + g + + g + + e + + e + + s + + s + S + e + + + + f + + f + + a + + a + o + u + n + + c + + c + t + d + e + g + + i + + i + l + + n + + n + + g + + g + G + d + a + + + + A + + A + R + e + a + M + o + + R + + R + B + K + A + + N + + N + + - + + - + = + ~ + — + . + > + + 5 + + 5 + 3 + S + + 0 + + 0 + 1 + ) + + 9 + + 9 + 0 + % + o + Y + O + + + + a + + a + + n + + n + m + o + a + r + u + + d + + d + A + + + + X + + X + Y + K + + t + + t + + a + + a + s + + n + + n + + d + + d + + i + + i + + ’ + + ’ + ' + ‘ + " + + s + + s + ' + e + + + + f + + f + F + + i + + i + I + + r + + r + t + s + + s + + s + S + + t + + t + + + + m + + m + n + + o + + o + + v + + v + + e + + e + + r + + r + + + + a + + a + + d + + d + + v + + v + + a + + a + + n + + n + m + a + + t + + t + + a + + a + + g + + g + + e + + e + s + + + + o + + o + + f + + f + + + + 5 + + 5 + 3 + S + $ + s + + + + + + + + + + + + y + + y + v + w + p + g + u + + e + + e + c + é + g + o + a + + a + + a + e + o + u + i + l + + r + + r + t + n + e + s + f + + s + + s + S + e + r + g + + + + o + + o + a + + v + + v + y + V + w + i + r + + e + + e + c + é + s + o + + r + + r + t + l + y + s + + + + A + + A + R + a + M + e + + R + + R + N + A + + N + + N + M + V + + - + + - + = + ~ + + 5 + + 5 + 3 + S + + 0 + + 0 + + 9 + + 9 + 0 + Y + 1 + 7 + + + + i + + i + u + a + 1 + + n + + n + + + + e + + e + c + ¢ + g + + a + + a + + r + + r + t + + l + + l + + i + + i + + e + + e + c + o + + r + + r + n + t + v + c + w + + - + + - + — + ~ + = + + s + + s + e + + t + + t + + a + + a + + g + + g + + e + + e + s + c + + + + p + + p + + r + + r + + o + + o + + s + + s + + t + + t + + a + + a + + t + + t + l + i + f + r + ( + + e + + e + c + s + + + + c + + c + + a + + a + + n + + n + + c + + c + + e + + e + + r + + r + n + t + s + x + + s + + s + S + + . + + . + , + + + + N + + N + M + + e + + e + + x + + x + + t + + t + + + + c + + c + + a + + a + + t + + t + + a + + a + + l + + l + d + + y + + y + v + + s + + s + + t + + t + + s + + s + + + + f + + f + + o + + o + + r + + r + + + + M + + M + V + + D + + D + + V + + V + Y + W + + N + + N + + + + i + + i + + n + + n + o + a + m + + c + + c + ¢ + + l + + l + i + t + h + + u + + u + + d + + d + + e + + e + g + s + c + + + + + + q + + q + g + Q + c + ( + G + + u + + u + U + m + o + n + r + + a + + a + e + A + l + o + i + + r + + r + t + c + n + e + z + + t + + t + i + k + + e + + e + c + o + s + g + a + + r + + r + t + c + e + i + l + + l + + l + t + k + L + h + + y + + y + Y + s + g + + + + e + + e + c + € + s + + a + + a + s + o + n + e + + r + + r + c + t + + n + + n + m + o + + i + + i + l + I + + n + + n + o + m + a + u + + g + + g + a + + s + + s + S + e + ’ + $ + g + + + + i + + i + I + + n + + n + o + m + a + r + i + + + + J + + J + I + T + S + + u + + u + w + + l + + l + + y + + y + + , + + , + . + + + + i + + i + I + + n + + n + o + a + + t + + t + + e + + e + c + o + s + + r + + r + t + n + m + v + f + + i + + i + + m + + m + n + w + l + + + + d + + d + J + + a + + a + i + + t + + t + + a + + a + n + s + e + + + + f + + f + + r + + r + + o + + o + + m + + m + n + + + + P + + P + + R + + R + + E + + E + + V + + V + + A + + A + + I + + I + L + + L + + L + U + l + . + + + + a + + a + + n + + n + o + r + m + + d + + d + + + + T + + T + + E + + E + B + R + + R + + R + N + A + + R + + R + + A + + A + + I + + I + L + + N + + N + M + X + W + + + + d + + d + + a + + a + + t + + t + + a + + a + + + + i + + i + + n + + n + o + m + + + + 2 + + 2 + Z + ? + % + + H + + H + + , + + , + . + ; + | + + + + + + f + + f + F + T + t + { + P + + o + + o + e + a + u + n + r + + l + + l + i + t + L + I + d + + l + + l + I + i + h + + o + + o + a + n + e + c + u + + w + + w + m + v + W + n + s + + e + + e + a + s + c + o + + d + + d + l + a + + + + b + + b + h + p + + y + + y + v + Y + w + u + + + + a + + a + o + + + + p + + p + + o + + o + e + a + + t + + t + + e + + e + é + c + + n + + n + m + r + + t + + t + e + + i + + i + l + j + + a + + a + n + o + s + e + u + + l + + l + ] + I + + + + E + + E + B + F + + U + + U + T + V + + + + X + + X + x + K + Y + + t + + t + + a + + a + u + o + e + s + + n + + n + r + m + + d + + d + + i + + i + l + j + : + + + + a + + a + s + + p + + p + + p + + p + + r + + r + + o + + o + + v + + v + + a + + a + A + e + + l + + l + ] + i + d + ) + + + + i + + i + + n + + n + o + h + r + t + N + + + + m + + m + M + n + + C + + C + € + G + c + E + T + + R + + R + r + + P + + P + F + E + p + L + + C + + C + ( + € + + + + b + + b + o + + y + + y + v + Y + + + + y + + y + v + p + + e + + e + c + + a + + a + + r + + r + + - + + - + — + + e + + e + é + + n + + n + m + a + + d + + d + + . + + . + + + +

+
+
+ + diff --git a/tests/module/importTesseract.spec.js b/tests/module/importTesseract.spec.js index 3262c25..55b1f12 100644 --- a/tests/module/importTesseract.spec.js +++ b/tests/module/importTesseract.spec.js @@ -44,6 +44,32 @@ describe('Check .hocr import function (basic)', function () { }); }).timeout(120000); +describe('Check .hocr import function (alt settings)', function () { + this.timeout(10000); + before(async () => { + }); + + it('Should import HOCR created with Tesseract CLI using lstm_choice_mode=1', async () => { + await scribe.importFiles([`${ASSETS_PATH_KARMA}/simple_paragraph_lstm_choice_mode1.hocr`]); + + const text1 = scribe.data.ocr.active[0].lines[0].words.map((x) => x.text).join(' '); + + assert.strictEqual(text1, 'JNJ announced this morning the acquisition of privately-held Aragon for $650 million'); + }).timeout(10000); + + it('Should import HOCR created with Tesseract CLI using lstm_choice_mode=2', async () => { + await scribe.importFiles([`${ASSETS_PATH_KARMA}/simple_paragraph_lstm_choice_mode2.hocr`]); + + const text1 = scribe.data.ocr.active[0].lines[0].words.map((x) => x.text).join(' '); + + assert.strictEqual(text1, 'JNJ announced this morning the acquisition of privately-held Aragon for $650 million'); + }).timeout(10000); + + after(async () => { + await scribe.terminate(); + }); +}).timeout(120000); + describe('Check Tesseract .hocr import function imports styles correctly.', function () { this.timeout(10000); before(async () => {