掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 1319|回复: 3

[资料] [冷知识]扫描版PDF做不了mdx

[复制链接]

该用户从未签到

发表于 2017-4-29 10:57:21 | 显示全部楼层 |阅读模式
本帖最后由 Oeasy 于 2017-5-2 09:17 编辑 / }4 ^# \$ v3 t9 c5 W# v! Y
0 O$ K* l$ P% X! Y& N; `
$ G* Y5 C* Q# Y8 R7 t+ X
隔行如隔山。很多新接触词典的朋友,对于一些“业内”、“行内”的常识不是很熟悉,这是可以理解的,我有时间就简单写几句,科普一下。
. z6 s: }( \! ^不是很严谨,欢迎补充。4 K/ i0 ^) ?+ A1 G. s
3 K/ a+ T6 Y1 m: O* F
[冷知识]扫描版PDF做不了mdx
7 W: V! G  ]+ Y' m2 y6 H-> [冷知识]扫描版PDF几乎做不了文字mdx9 `& p$ ]9 m2 g7 D

# ^# u) t' h- _$ `( A" }( E) ?经常有朋友公开发帖或者私下来信,“我有某词典PDF,还是高清的噢,你能帮我做成mdx吗”。( B/ H7 S  p! A( e* ?7 Q' q
eg. [讨论] 提供OCR的日语国语大辞典第二版PDF,有人愿意做MDX文件吗  http://bbs.gxsd.com.cn/forum.php?mod=viewthread&tid=991790: d8 n# X0 ~5 B: O
2 g& b+ ]1 P$ e9 J7 O3 p
- 首先,你能公开找到的 PDF ,其他人也能找到,说不定你那个 PDF 还是他分享出去的呢。当然班门弄斧、野人献曝的事情,我也经常干的。
0 V) P8 y( b6 @+ u- 其次,扫描版的 PDF ,是几乎做不了文字版的 mdx 的。OCR效果差,校对耗费时间太多。
4 @' }0 y# b7 u- p$ |% @- 再则,要做图片版的话,耗费时间也很多,我自己是不做了。5 D( M% I$ g5 U/ r% ]; H+ W0 _
- 加一句,就算是文字版的 PDF ,做 mdx 也不容易。
6 F; u  E1 H2 |. K$ p0 Y# W# O, Y# g/ K4 g% G
[冷知识]mdx 词典不是人工录入或OCR的 https://pdawiki.com/forum/thread-20643-1-1.html
0 w: Q  \9 @. \: N) ]! S0 p, ?7 a: w, x5 e

本帖被以下淘专辑推荐:

  • · REFIDX|主题: 90, 订阅: 34
  • TA的每日心情
    开心
    3 天前
  • 签到天数: 750 天

    [LV.10]以坛为家III

    发表于 2017-4-29 13:33:00 | 显示全部楼层
    可以做成图片词典一页几分钟(5-X 视难度而定)
    / F3 z+ j' t4 Y1 a( x! y1 A7 a/ A新人们如果找人帮忙,就先请看看自己的付出的值不值别人为你进行上百工时的劳动。。
  • TA的每日心情
    奋斗
    2018-11-10 00:38
  • 签到天数: 346 天

    [LV.8]以坛为家I

    发表于 2017-4-29 18:25:10 | 显示全部楼层
    就事儿说事儿吧,计算机的强项是处理一些简单重复性的工作,如果pdf的格式是图片扫描的,目前的计算机处理起来确实有难度,但如果是基于文本的pdf,应该可以尝试。所谓的字典无非就是序言,正文,词头,解释。利用开源的nltk,完全可以理论上实现这一个过程。基于自然语言的模块很多,例如断句分词啥的都是基本的功能,能解析pdf格式的工具包也有的是,问题是把解析出来的东西转换成mdx可以认可的格式。目前nltk不能接受pdf格式的输入只能接受txt格式的,可以利用nltk扫描没个词头,句子段落啥的。如果该词头随后的一个或者几个句子都出现了该词头的相似词,肯定这个一群相似词所组成的句子是该词头的解释,如果该解释随后生成的nltk能识别的断句中又出现了好几个该词头的句子,肯定是该词头的例句。可能具体的文本类型的格式排版啥的有区别,但仅仅是个大概的思路,折腾计算机总比折腾人工强。

    该用户从未签到

    发表于 2017-4-29 18:45:27 | 显示全部楼层
    经常有朋友公开发帖或者私下来信,“我有某词典PDF,还是高清的噢,你能帮我做成mdx吗”。.
    5 a) ?* e$ z$ \$ R--------------------------
    ) ?: `$ L: a( ~针对的就是这个事情。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2024-3-29 13:22 , Processed in 0.029407 second(s), 10 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2023, Tencent Cloud.

    快速回复 返回顶部 返回列表