PDF词典的OCR是怎么进行的呢？

Charlieqiu

4 S! }0 X* s7 ?! Z- b4 U我对这个技术问题感兴趣，有没有可行性高的ocr步骤将PDF词典转换成文字版？1. 比如现在我只能想到用Finereader14先识别，但识别后是先导出再校对，还是在Finereader内校对后再导出？
6 ?8 [5 K) O' B& O  K; x' c2. 用Finereader14识别后导出的格式应该是什么？因为要保存标签，所以用html格式，但这标签太乱，根本不能用啊
! ^  e2 t$ W  I" H! p% U% v" j3. 以及其他具体的ocr及校对的步骤
我现在是在慢慢学习技术中，就将制作词典当实例练习，慢慢熟练起来
: g7 q; ?9 R  X3 q9 {; U

klwo2

我是先导出再校对
3 F) _) s6 m  E! d
5 q( O: l- b! h2 M* V% L建议你先说说，想怎么做「PDF词典」，是做图片版嘛？做图片版的话，OCR原书自带的索引就行了

Charlieqiu

klwo2 发表于 2019-9-3 21:03
4 S  H: x% B& i: |/ }4 p/ K$ j( K我是先导出再校对
) N4 [- C' `9 q1 p, e" P; p
7 m, t8 Q/ k( ^  D建议你先说说，想怎么做「PDF词典」，是做图片版嘛？做图片版的话，OCR原书自带的索引就 ...

' C/ ]5 N6 \9 r9 Z7 ]不是哦，是要ocr成文字版的mdx，想要看看转换的障碍最小有多大

Charlieqiu

现在这样ocr转换成文本太麻烦，看来没有比较方便的方法，目前如果没有好的文本数据源，图片词典还是唯一选择，可惜图片格式没有能像PDF一样能搜索文字，不然更加方便一些

klwo2

Charlieqiu 发表于 2019-9-4 00:48
1 h$ W; A* v% ^& O8 s) J7 _不是哦，是要ocr成文字版的mdx，想要看看转换的障碍最小有多大

ocr成文字版的mdx不是不可以，不过有限制：

% _6 W7 j. ]5 \1 \* _4 U% s. [1. 最好不是专门的汉语词典，不然生僻字很头疼
: c5 t+ a' D0 p  z8 h2. 最好只有英语字母，没有特殊符号，不然校对很头疼
3. 图片越清晰越好
! g1 _5 t( I+ K& B
8 i3 Q1 k" \7 X这么看下来，就没有太多词典了
# {- W. i; b, v+ t% L! q9 o9 E