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
1. 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
. m- f/ o2 c) k0 x  R2. 使用OCR自动切片导出，得到所有图片的所有词头的切片
% ^% L5 d5 s! k, _+ N; j. U3. 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）
3 u/ U) ?2 X* [4. CMD获取所有切片名称，Excel里添加列，标识每页的开始标识
/ M+ O& r" y5 D- S. v5. 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
1 q! J+ k' r' ]0 k3 ?) R7. 正则处理txt（标识为aaaaaaaaaaa）。。。
7 K7 D) W/ L3 B( {( G) {" G8. 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 {/ q6 W* l  J3 T) ^6 A6 X3 I2 `
/ Q, Y# x+ U/ V' u- M8 ^
# ^3 ?4 Q8 \- q7 l; a5 {
8 {* v9 H3 T  Q& G  z! w% f

zhu1234

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。
$ E8 @. Y. ~5 Z

kyletruman

zhu1234 发表于 2016-8-27 21:46
6 f; i/ J5 q3 x: {3 d$ q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 ...

( h  c) Q+ N# F; T. V- i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
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 ...

* S" S( I3 H! ]3 o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 ...

( a2 s4 D( w, `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。