我需要您的意见来找到一种通用方法，以在扫描的图像pdf中查找文本段落并突出显示它。
当使用谷歌云的OCR功能时，我只是得到了图像中所有单词的数组，包括位置。所以我可以找到一个单词并突出显示它，因为我可以搜索单词并找到它的位置。
但是我如何搜索文本段落呢？
我很乐意从你那里得到一些想法:)
谢谢！
我猜OCR的意思是光学字符识别。
我可以想到这个牵强附会的解决方案(假设您的位置为坐标 x 和 y(：
- 创建一个包含所有单词的有序列表。顺序应该是这样的*：word1>word2 如果 x1>x2 和 y1=y2(水平排序(或 x1=x2 和 y1>y2(行排序(。
-找到段落的第一个单词，检查列表中的下一个条目是否匹配，依此类推。一种更简单的方法是找到第一个和最后一个单词，突出显示它们之间的每个单词，但如果单词很常见，它可能会产生重叠。
只要文本不是很倾斜，这应该有效。如果是，您应该计算倾斜度并纠正它。
*编辑：如果你先对行进行排序，然后再对单词进行排序，也许会更容易。之后加入列表。