Извлечение разрывов абзаца из текста OCR?

Я пытаюсь воссоздать абзацы и отступы из вывода текста изображения OCR, например:

Ввод (представьте, что это изображение, а не типизированное):

Вывод (с несколькими ошибками):

Как видите, разрывы абзацев и отступы не сохраняются.

Используя Python, я попробовал такой подход, но он не работает (слишком часто дает сбой):

Код:

def smart_format(text):
  textList = text.split('\n')
  temp = ''

  averageLL = sum([len(line) for line in textList]) / len(textList)

  for line in textList:
    if (line.strip().endswith('!') or line.strip().endswith('.') or line.strip().endswith('?')) and not line.strip().endswith('-'):
      if averageLL - len(line) > 7:
        temp += '{{ paragraph }}' + line + '\n'
      else:
        temp += line + '\n'
    else:
      temp += line + '\n'

  return temp.replace(' -\n', '').replace('-\n', '').replace(' \n', '').replace('\n', ' ').replace('{{ paragraph }}', '\n\n      ')

У кого-нибудь есть предложения, как я могу воссоздать этот макет? Я работаю со старыми книгами, поэтому я надеялся перепечатать их с помощью LaTeX, так как для этого довольно просто создать скрипт Python.

Спасибо!