[转]ABBYY FineReader使用指南_念念观自在

http://blog.sina.com.cn/u/1684271152

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

[转]ABBYY FineReader使用指南

(2012-09-19 18:36:31)

标签：

扫描

校对

书籍

ocr

杂谈

分类：他山之石

首先，什么是 OCR 技术？OCR （Optical Character Recognition，光学字符识别）传统上是指，电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。

本文所述 OCR，特指将 PDF 文档，拆分为一幅幅图像文件，用 OCR 技术通过相应软件，将图片中文字转换成文本，便于下一步操作（例如导入书苑的 epubBuilder 制作软件）。传说中一步到位的 PDF 转换成 EPUB ，并不在本文的讨论范畴内。。。

一、准备工作：
1.  准备 PDF 源文件，并将 PDF 按页拆分成图像文件。方法有很多，不一一赘述了，如图例1；http://www.cnepub.com/discuz/data/attachment/forum/201209/19/11272108wrvqfq1rz1sed8.jpg

2.  准备 OCR 软件，本人用的是 ABBYY FineReader 10，如图例2；
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/1146406lpclpwls9r9rpll.jpg

二、初始工作：
1.  新建 FineReader 文档，如图例3；
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/120630eo284gvgpe6gfpv2.jpg

2.  点击上栏“打开”图标，打开图像，打开后，软件处理图像添加进文档，如图例4、5；
提示：在新建的 FineReader 文档中，添加若干图像文件，可以合理安排工作量，例如：按章节分派，每个文档就是一个章节的图像文件；平均分派，每个文档取一个固定值的图像文件，便于均衡校对的工作量。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/122029flgbxfd1b9tlmufb.jpg
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/125124l6j8oejaqh909qvj.jpg

3.  保存 FineReader 文档，如图例6；
提示：建立并保存 FineReader 文档后，下次可以打开未完成的文档，继续校对工作。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/125832v7vzsvsnvqswvzvv.jpg

三、设置工作：
1.  将输出设置为“另存为TXT”，如图例7；
提示：个人认为无格式的TXT文档便于后期编辑，具体喜好因人而宜。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/132608tti6nv2ixn2y6676.jpg

2.  点击“选项”图标，设置“文档语言”，这个很重要，如图例8；
提示：简体中文书籍，繁体书籍，英文书籍请按相应语言设置，也可按右侧“编辑语言”，设置你要的语言，不要添加过多选项，否则将影响准确率。如图例9。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/134259bxfbe2x0vgpza7vo.jpg

3.  在“选项”内选“查看”标签，设置软件显示待校对文字的字体，如图例10；
提示：我选“楷体”，并不是说我喜欢这个字体，而是因为，很多生僻字在楷体字库下显示不出，例如“事”和“亊”，识别为“亊 ”，在宋体下能显示，楷体不显示，便于纠错。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/135244zrzxraopirr8r5dp.jpg
四、校对工作：
1.  打开 FineReader 文档（类似一个专辑），调出一组图像文件；
2.  一般情况打开左右两栏，左侧原图，右侧待校对文字；
3.  调整好两栏显示大小；
4.  打开右上角“显示不可打印字符”按钮，便于将不规则字符去除；如图例11

http://www.cnepub.com/discuz/data/attachment/forum/201209/19/143259u6uyp8yejnvn1zkz.jpg

5.  遇到书源不好的PDF，字迹比较模糊，也可调整为上下俩栏（共4栏），识别校对，如图例12；

http://www.cnepub.com/discuz/data/attachment/forum/201209/19/145151pl6so3ttm6zfv5o3.jpg

6.  软件会将可能错误的字符以背景颜色显示出来，便于校对更正，更正时可以手动输入，也可以鼠标移动待修改字，右键以显示待选字符，再选择正确字符。如图例13；

http://www.cnepub.com/discuz/data/attachment/forum/201209/19/1503135s4huwfhu255w5sp.jpg

7.  将此档校对完毕，保存输出，如图例14；

http://www.cnepub.com/discuz/data/attachment/forum/201209/19/151246hsx4kxlkeyokszow.jpg

8.  其他一些情况，如中英文混编的书籍，更复杂一些。建议分别选择识别区域，分别识别，如图例15。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/155131gying1ea1dyiisq4.jpg

9.  OCR 技术的扩展应用，一份小女的卷子，手机拍下，分别识别校对。。。
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/160156ekvckgpzchorhhrg.jpg
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/160207bzubhs02hnn1s8rs.jpg
http://www.cnepub.com/discuz/data/attachment/forum/201209/19/160217v7ekvzg7xejj91a7.jpg

五、总结：

有书友提出不必拆分为图片，直接进行转换，甚至有的软件号称可以直接 PDF 转 EPUB。当然那也是可以的，同样的 OCR 软件输出质量应该是相差无几的。但是本人是完美主义者，做事的理念是：“不喜欢难看的东西，更不喜欢错误的东西”。。。

所以多做了一些前期工作，喜欢以图片、文字对照的方式边读边校对。作完一本书，就是读完一本书，用时肯定比别人长，但精度也肯定比别人强一些。。。所以，修改了一下帖子，谨将此帖献给励志做精校、精确书籍，让他人有舒畅阅读体验的书友们！

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：《虚云和尚年谱》阅读笔记（三十九）

后一篇：掌握人生：自我转化根性[坚意法师]

新浪BLOG意见反馈留言板　欢迎批评指正

[转]ABBYY FineReader使用指南

扫描

校对

书籍

ocr

分享

杂谈