已知文本块的左上角和右下角坐标，如何定位右上角的文本框？

• 第一步：先做行聚类，把垂直方向重叠度足够高的文本块归为同一行

具体判断规则：对任意两个Word对象，计算垂直方向的重叠高度 = min(a.bottom_right[1], b.bottom_right[1]) - max(a.top_left[1], b.top_left[1])，如果重叠高度 > min(a高度, b高度) * 0.6（阈值可根据实际场景调整，一般取0.5~0.7），则判定为同一行。
你遇到的MLO和3PH,4W垂直重叠度为0，会被直接分到不同行，不会出现跨行按x排序的问题。

• 第二步：对所有行按行的平均y坐标（或行内所有文本块最小top_left.y值）从小到大排序，得到从上到下的行顺序。
• 第三步：同一行内的所有文本块按top_left.x从小到大排序，得到从左到右的文本顺序，直接拼接即可得到正确的行文本。

快速实现简化方案 #

如果不想实现聚类逻辑，可直接对排序key做加权处理：
把y坐标的权重放大，远大于x坐标的最大差值，排序key设置为 (word.top_left[1] // 行高阈值, word.top_left[0])，其中行高阈值可以取所有文本块平均高度的0.7倍，即可实现先按近似行分组、再按x排序的效果。

提取红色框内容补充逻辑 #

如果已经获取红色框的坐标，可先做初步过滤：保留中心点落在红色框内、或与红色框交并比>0.3的Word对象，再做上述排序逻辑即可。

示例代码（Python） #

# 先计算所有文本块的平均高度
heights = [w.bottom_right[1] - w.top_left[1] for w in word_list]
avg_height = sum(heights) / len(heights)
line_threshold = avg_height * 0.6

# 行聚类
lines = []
for word in word_list:
    added = False
    for line in lines:
        sample = line[0]
        overlap_y = min(word.bottom_right[1], sample.bottom_right[1]) - max(word.top_left[1], sample.top_left[1])
        if overlap_y > line_threshold:
            line.append(word)
            added = True
            break
    if not added:
        lines.append([word])

# 行排序 + 行内排序
lines.sort(key=lambda l: min(w.top_left[1] for w in l))
result = []
for line in lines:
    line.sort(key=lambda w: w.top_left[0])
    # 拼接行文本
    line_text = ' '.join([w.text for w in line])
    result.append(line_text)

内容的提问来源于stack exchange，提问作者Tau n Ro