用Python将hOCR解析为JSON

Question

我正在使用tesseract-ocr并获得hOCR格式的输出。我需要将这个hOCR输出存储到数据库中(在我的例子中是PostgreSQL)。

既然我可能需要这个hOCR中的每一条信息(80% )，那么哪种方法是正确的呢？应该将其存储为XML数据类型还是解析为JSON并存储？在JSON的情况下，如何使用Python将此hOCR解析为JSON。其他相关的建议也很受欢迎。