OCR 行的段落與清單分組

text_regions.find_text_lines 把字形併成行,但沒有任何功能把那些*行*分組成段落或偵測 清單——ocr/structure 止於平面列。text_blocks 補上這點:group_paragraphs 在垂直 間距超過中位行高的某倍數處把行切成段落(標準的留白分組啟發法),而 detect_lists 以前導 標記與左縮排辨識項目符號 / 編號項目。

純標準函式庫,作用於純行字典(text + bbox);可在無影像、無 OCR 引擎下完整單元測試。重用 table_grid_fill 的框邊界讀取器。不匯入 PySide6。

無頭 API

from je_auto_control import group_paragraphs, detect_lists

for para in group_paragraphs(ocr_lines, line_gap_factor=1.6):
    print(para["n_lines"], para["text"])

for item in detect_lists(ocr_lines):
    print(item["marker"], item["indent"], item["text"])

group_paragraphs 回傳段落字典(left / top / right / bottom / text / n_lines)——當與前一行底部的間距超過 line_gap_factor 乘以中位行高時,開始新段落。 detect_lists 回傳文字以項目符號(• / - / *)或序號(1. / 2) / a.)開頭的行,每個為 {text, marker, indent, box}``(``indent 為左 x,供巢狀用)。

執行器指令

AC_group_paragraphs``(``lines / line_gap_factor → {count, paragraphs})與 AC_detect_lists``(``lines → {count, items})。兩者以 MCP 工具 ac_group_paragraphs / ``ac_detect_lists``(唯讀)及 Script Builder 指令 Group Paragraphs / Detect Lists (位於 OCR 分類下)形式提供。