PDF词典的OCR是怎么进行的呢？

Charlieqiu

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？
2. 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
" k4 R7 j9 V; q" n6 W6 d3. 以及其他具体的ocr及校对的步骤
2 w* G$ v' V% X4 j( v/ Q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

9 b! u: p, \. E* B2 u

klwo2

我是先导出再校对
( E6 k3 m, F) a" w' }$ [! H
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
2 j7 {/ i1 G0 ?6 b我是先导出再校对

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 ...

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
( E2 M7 t9 ~% f3 ]. z, }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

) ]% O* X! \# I2 `2 f# C* Z" |" Qocr成文字版的mdx不是不可以，不过有限制：
4 j! |# q: J* ?+ M' R2 z- g3 x
: h7 Y; a& Y5 s  _1. 最好不是专门的汉语词典，不然生僻字很头疼
8 Q: z; V7 w' s3 s' X- }2. 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
7 @4 n% m$ r9 X, g$ y. |! w& j7 o
这么看下来，就没有太多词典了