【图片版词典】整理框架

chigre3 · 发表于 2019-1-28 03:14:07

从上而下，依照制作精力耗费、完美程度升序排列（越往下，耗费精力越多，质量越好）：
————————————————
1. 【页首单词】或者【页末单词】
　　解决方案：
　　(1) 在GoldenDict中加载python外置小代码，实现查询单词定位到页的整页图片版
　　(2) 在Mdict PC版中加载制作好了页首页末索引，利用Mdict PC版本身的输入单词定位到页

2. 使用【页首单词】或者【页末单词】，对更大范围的词头索引进行分隔操作
　　解决方案：
　　(1) 分隔后的粗略索引直接定位到整页
　　(2) 分隔后的粗略索引进行人工校对，得到精确索引：
　　　　(A) 不带坐标
　　　　(B) 附带坐标: 划线软件，在各种辅助提示下高效人工校对索引
　　　　　　(b1) 带高亮显示的精确定位框、支持锚点跳转的整页版
　　　　　　(b2) 根据坐标信息进行计算而得到的切图版，一个词头对应1+以上的小切图
　　　　　　(b3) 合并b1+b2的整页版+切图版
————————————————
目前，缺少的是精确校准处理的高清词典图片、精确的词条索引
对于还没有完美文本版MDX的词典，短期内可以寄希望于图片版。

Charlieqiu · 发表于 2019-1-28 04:25:21

对，图片版真的是 from scratch 的制作，虽然词条内容可以不用文本化，可以直接用图片来代替，但是用于检索的词头是必须要是文本格式的。

主要的难点就在词头的获取上。现在最好的方法也许只有OCR词头。这么来说，OCR词头的前提是已经获取了词头的坐标（这点应该没大问题）。然后要提高OCR精确度有几方面：1、图片的清晰度要好（也许单单把词头切出来识别率更高？）2、用于OCR的软件要好。

接下来是校对。如何方便OCR后的文字和图片形式的词头的比对呢？我觉得把OCR后的对应文字和对应图片词头放一块比较好，用机器对词头正字法进行粗略筛查，不同颜色标出用以提醒，再人工检查（就是c大软件的模式），其中也可以利用些小技巧提高人工检查的效率（比如把文本的字体设置成与图片词头差不多大小）。总之，人工检查还是没法用机器代替，就是最烦的事了...

文字版的要弄排版，图片版的要获取词头，各有各的难处...

VimVim · 发表于 2019-1-28 08:58:28

关于词头，实际上直接人工输入也是挺快的，虽然有点枯燥，若真需要，这也都能克服。

theduck1968 · 发表于 2019-1-28 12:34:39

thanks for sharing

VimVim · 发表于 2019-1-28 12:56:07

怎样快速扫描一本书并做成电子版？ https://www.zhihu.com/question/31136504

sense5 · 发表于 2019-1-28 14:48:27

Fujitsu ix1500可以做到高速的书本转PDF并做OCR，大概每秒1面，缺点就是要把词典切掉封籍，OCR技术目前看成熟度也会是一个问题，可能会需要单独选择一个OCR软件做识别更好

[教程] 【图片版词典】整理框架

评分

本帖被以下淘专辑推荐:

评分

评分