PDF词典的OCR是怎么进行的呢？

Charlieqiu · 发表于 2019-9-3 18:15:42

本帖最后由 Charlieqiu 于 2019-9-4 00:50 编辑

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
3. 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

klwo2 · 发表于 2019-9-3 21:03:25

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原书自带的索引就行了

Charlieqiu · 发表于 2019-9-4 00:48:24

klwo2 发表于 2019-9-3 21:03. {$ l4 V3 @; H( q/ N3 o
我是先导出再校对' O1 _% C" U9 u0 @ T: I) v

! B" }5 e" g! U; k8 ^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 · 发表于 2019-9-4 03:38:08

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 · 发表于 2019-9-4 08:01:14

Charlieqiu 发表于 2019-9-4 00:48
0 d( C. [: z/ B6 `: Z; `9 s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：

1. 最好不是专门的汉语词典，不然生僻字很头疼
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

这么看下来，就没有太多词典了

		自动登录	找回密码
密码			免费注册

[求助] PDF词典的OCR是怎么进行的呢？

本帖被以下淘专辑推荐: