hocr2text.xsl

<?xml version="1.1" encoding="UTF-8"?>
<!--
Author:  konstantin baierer
License: MIT
-->
<xsl:stylesheet version="2.0" 
    xmlns="http://www.loc.gov/standards/alto/ns-v2#" 
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
    >

  <xsl:output method="text" encoding="utf-8" indent="no" />
  <xsl:strip-space elements="*"/>
  <xsl:param name="ansi" select="'no'"/>

  <xsl:template name='ansi'>
      <xsl:param name="sgr"/>
      <xsl:if test="$ansi = 'yes'">
          <xsl:text>&#x1b;[</xsl:text>
          <xsl:value-of select="$sgr"/>
      </xsl:if>
  </xsl:template>


  <xsl:template match="/">
      <xsl:apply-templates select="//*[@class='ocr_page']"/>
  </xsl:template>
 
  <xsl:template match="*[@class='ocr_page']">
      <xsl:apply-templates select=".//*[@class='ocr_line']"/>
      <xsl:text>&#x0c;</xsl:text>
  </xsl:template>

  <xsl:template match="*[@class='ocr_line']">
      <xsl:apply-templates select="*"/>
      <xsl:text>&#x0a;</xsl:text>
  </xsl:template>

  <xsl:template match="*">
      <xsl:choose>
          <xsl:when test="local-name() = 'strong'">
              <xsl:call-template name='ansi'><xsl:with-param name='sgr'>1m</xsl:with-param></xsl:call-template>
          </xsl:when>
          <xsl:when test="local-name() = 'em'">
              <xsl:call-template name='ansi'><xsl:with-param name='sgr'>3m</xsl:with-param></xsl:call-template>
          </xsl:when>
      </xsl:choose>
      <xsl:apply-templates/>
      <xsl:call-template name='ansi'><xsl:with-param name='sgr'>0m</xsl:with-param></xsl:call-template>
      <xsl:text>&#x20;</xsl:text>
  </xsl:template>

</xsl:stylesheet>