图片版词典，词头区域切片OCR，用FineReader识别

chigre3

0. 对所有的词典图片进行统一的精细处理
- g0 u1 C& @6 u! T1. 使用本论坛 @孤影 的工具软件，配合按键精灵脚本，对图片自动划线，获取所有词头的坐标
2. 使用OCR自动切片导出，得到所有图片的所有词头的切片
. o0 R' k) G! i+ {3. 新建一个图片（大小同切片），添加文字内容为“aaaaaaaaaaa”（或者类似，用作标识）
4. CMD获取所有切片名称，Excel里添加列，标识每页的开始标识
5. 使用ImageMagick，在CMD里使用命令 convert -append 0.png 0001.png000.png 0.png 0001.png001.png 0.png 0001.png002.png ... _0001.png 得到最终的合并切片的总体图片
6. 使用FineReader打开这些合并了的切片总体图片，进行文字区域设置，识别，保存为txt
6 I- e2 X" J& `3 z5 s2 B$ S7. 正则处理txt（标识为aaaaaaaaaaa）。。。
8. 导入回到步骤①的词头，在高亮匹配提示下，继续进行人工核对
3 F- M( b9 s- b+ S% i
" }3 g& p4 ]' E! W8 T, m

  a1 B: v( A/ T9 Y  F* H
* v) `1 w9 U# _" r; `' ?: l$ t8 S

zhu1234

" l" {4 J8 x. ^  J. Z
还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比校对一遍省时得多。
1 S6 Y4 k  ?& n" U# S( z# N+ w7 l

kyletruman

zhu1234 发表于 2016-8-27 21:46
) ^6 o/ K' J( @' Z% r2 h还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

  M* t1 O% K/ s! L: }. H# c我记得欧路词典有一个欧路词典论坛，制作的词典格式为.eudic

chigre3

zhu1234 发表于 2016-8-27 21:46
2 _6 l8 D5 z3 f' R( |还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

6 x5 X; e  O' n/ B: V1 [这样效率很低，就等于对所有词头都点击一次

zhu1234

批量ocr出来，还得校对一遍，效率也不高呀。

aiyingluck

谢谢楼主分享，楼主辛苦了！

aiyingluck

谢谢楼主分享，楼主辛苦了！

starmars

zhu1234 发表于 2016-8-27 21:46
还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

我不相信这会比先OCR再校对会快。稍微高清一点的词典OCR词头可能连百分之一的错误率都不到。