OCR文本化引擎取得进展，高清或文本pdf转mdx可行性大大增加

spoony1971 · 发表于 2016-1-3 12:40:19

自写了一些代码帮助OCR文本化，目前效果勉强可用，唯中间仍需要不少人工干预，故无法制成独立软件。但文本化过程的痛苦程度应该可以大大减少.

这里知会同好，若有需要，可帮助做第一步(人工干预仍然可观，故只能挑选部分项目实施)，转换成可用的mdx source,当然校对部分是没法做的。

欢迎进一步讨论提高OCR准确率的方法。

经典与古典 · 发表于 2016-1-3 19:14:47

有很多本身就是文本PDF，不知道转的时候会不会容易一些

spoony1971 · 发表于 2016-1-3 19:26:11

经典与古典发表于 2016-1-3 19:14
有很多本身就是文本PDF，不知道转的时候会不会容易一些

文本PDF就不会有ＯＣＲ错误的问题，转换结果最多格式稍欠完美，内容根本不需校验。

duancj · 发表于 2016-1-3 20:26:29

期待早日有好用的工具

lwangls · 发表于 2016-1-4 09:50:54

OCR现在最大的困难不是文字识别而是格式乱

大熊部落 · 发表于 2016-1-5 11:22:56

如果不是现代排版的文本，那么还真是人工录入比较快。

xiaokeai · 发表于 2016-1-5 15:16:30

Thank you Unsung Heroes!

[讨论] OCR文本化引擎取得进展，高清或文本pdf转mdx可行性大大增加