超星電子圖書的文字識別和格式轉(zhuǎn)換

1、第19翁鞋塹鞘幫,彰i簍囊嚯凈m嗡學舊譬鏨鏊磊;苗0idIg蕈冀姥薔貓iii霎j基i迥l芝。;蠡冀羹霎蓁主霧莖耋重量垂ii妻i孽i耄竺耋罩i耋耋i耋薹蠶霎!j三一至三三i三_l季!簍i蓁粵羹一耋蓁i零i寶孽;妻霎耋i薹垂睪ii;ij囊爹i奏主霎i三;童:;搴耋耋;i爹毒璧萎ii。耋莖冀i;蓁霧至善;童i;囊|l摹:;垂垂|薹霎.蓁冀囊量j喜i!目三三ii霎童j至耋垂垂l薹!i;薹砉耋耋i薹l蠶;i莖;ii塞蕊蠶.莖莖妄萼?菱。萎翥霪l;黥蠢霆譬耋i霪i壅il!蓁窘l墜:菱蓁著互,差囂鬻l i鏊F;l妻i|霎!l霎;i;1廣“壚:愛薹一i善.耋蔓潲l。參i;妻孽ii奏i囊sl薹i;i孽¨

2、;蝎;葷i殷萋!l薯i季妻羹i霧囊,嚼冀霎警耄鏨鍪蓁|蓁霎冀羹季墓蓁鋈霧垂冀鏨薹;霧萋蠢稀囊羹蠹藿薰些薹萎型耋翼霎蓁霧簍蓁蓁霎鯉|弱囊囊羹囊蓁蔞鬟魚霪冀薹簍薹耋需型;霎羹羹季.蓁霆襄蕊。羹囊蓁震;羹兩,薹面囊霧。霧毳;窶毳;霎藜,蓑薹鬻燮翼蠢霧;囊醛薹冀霎一耋囊冀霎鬟薹冀耄罌霪冀羹刪摧囊薹萋震霧翼霪霎i霎鯉簍翼囊羹零塑萋鬢鋈囊鋈鲞霎福羹霎薹霧羹i爵冀冀蓁;囊箍霧憋羹薹薹羹褥渾巍綽;垂蓁鹵蠱借置爵暈璽鬟蠢錨型肴埔蓁囊蝎螅羽溷塞:;薹冀贏叁匿毓嬖囊薹l墅g;擘!琵萋可螄蒹;塞iiii:妻墓;謄妻;.童要萎i零大萋謄甜棗舵鵑蘑蠢輦氍畿酴醮豇戡勤劇Ej 晨溪瓔磷翅饑I十刁制幽零疊黑詩擺:冀譽薹閱讀和下

3、囂譽惕提:韻名滴嗷霧稻螅鬻贈蒙塑甾懋彭嶷型,盟碼一磐i鼉鹺很埕j瓣鬻謄。;聳齋墨眉塑物翅蠶i 潲榭鼢涎誼據(jù)揣鶩璧個鐃馕始點莉輕攀;囊=霎熙孫酥斟隱鎣霎那耋蓀芐采碥簽蟹褰翼螽裂篝摹掣氍;主=奏耩姜趨星甄軍囪譬崖矍薄莓墨蓄萋器 驀蓮梭強四鼉翟峰虞蘑翰饕矗萋!i帛膏豁簍封三f 型園范薹萬撾為大蒙;酌-工祚薹蠹脅雕,拋鼬齜已鄹叟剡明dd蒯悻薹商俘傳纏簍廈緩踝得藏的不足蓁鬟二一鬈娶眄影郭耕巔非囊l片昱嫣剖耄揍鶘蓁蠢霪爵i囊妻il孽蘭薹il薹!i萋囊馨孽耋ii薹量lxi心!絡型i醞雷甘薛引麗篁知裂導淺引氍薹鞲穩(wěn)纓溺墻垣翻滯。揣洱裂娶剿私勰型型薹黽副i壓室卵鰣啪邸i霎ll羹lli墓L毒垂.差霧妻=三冀冀;童

4、薹i。爵矍黌警鞋鬟霸懿!喜;!塞;l囊要;刪|、霎謄!莖萋萋皇罩霉i蓍蠢l;娟拍弱壅薹慚!;蠶囊ii霧始臻÷萋l至主。蕈囊喜、蠹霧i。躉霎季蔓窩捌i霧ll垂l霧鷥i;ii善塞孽襄i塞鎏羹.晤亭i;習癌星澀德似l萋;羹;鐾霎要;i;j薹薹釜二毒蓁蓁,螢善i;糟蘸算紼籜厙i萋蠢;il鎣l蕈享妻。堇至耋垂j量蠶蠶:墓lili;-l漆匿嘴隧爨;蠢:姜j;il垂i要;霪羹羹萋萋j重妄毒,塞委l 霉.b磊竿律答姜鯉ik糖霎i囊!琴薹囂囂耋羹薹黍冀鋈琶褰羹碧霪參萎薹ii;l!g lg冀;÷舌;i;g|!g ll鸛一!;ii!;薯至!i萎i主妻至蓋i j!謄謄量;.蓁|圭=ji重iiF霪!

5、摹耋§耋=l;謄蔓ll量;妻萋|;蘭!;主主:耋.I翼l|i;!l;鰭!霉ill?§悔g;iiii!運;i。l!墓lll;j簧。;ll;i|;§謄|:月=lj萋;?§l;l;蕈l葛ii§,;鬻自;!÷ijj#i=lii魯;ilj譬;j;二iiij蕞:i§§i:i!;i重iij;§目|,￥農(nóng)業(yè)圖書情報學刊:信息教育第19卷特別理想,錯誤較多,也不方便校對。+(圖1中圓圈標明了識別的錯誤處,系作者添加。2.2利用超星閱讀器的抓圖功能,借助尚書等oCR 軟件識別打開同一本書,選取同一識別段落區(qū)域后右鍵另存為BM

6、P格式的圖片。再利用“尚書六號表格文字識別系統(tǒng)”(以下簡稱為尚書軟件打開保存的圖片文件;選擇自動文字識別,結(jié)果如圖2,(圖中藍色為系統(tǒng)自動標識出可能錯誤的字.圓圈則標明了識別錯誤之處。與前面直接用超星OCR識別的結(jié)果比較,識別準確率提高不少。超星公司后期制作的或掃描較清晰的圖書,使用這種方法。純文字識別率最高接近100%。另外,尚書是一款專業(yè)OCR軟件,其識別界面比較人性化,使用方便。上半部分是識別出來的文字。對識別不準確的文字自動用藍色標識出來.下半界面同步逐行顯示被識別的圖片。且界面右下角提供了系統(tǒng)有可能識別錯誤的字的相近字可供鼠標點擊直接替換,基本上不用手工再輸入。如圖2。圖2對中英文識

7、別較好的OCR軟件還有漢王、蒙怡、丹青和清華紫光等。2.3利用Microso丘。伍ce Document Ima西ng虛擬打印機“打印”成圖片.再用其自身的ocR功能識別。.安裝O伍ce2003后會在控制面板的“打印機和傳真”中生成名為“Microsoff Office Document Image Wnter”的虛擬打印機。首先將其改名,比如改為“超星文字識別”。特別注意:最好不要含有O伍ce、PDF、MiefosofI、Ac. robat等,因為超星閱讀器會自動檢測打印機名稱.如果包含以上單詞則拒絕打印。用超星閱讀器打開一本下載好的圖書,選擇“圖書”一一>“打印”。彈出“打印設置”窗

8、口,設置打印頁數(shù)和方式。其中頁數(shù)是否包括封面和目錄、正文等.可以先計算好,根據(jù)需要進行恰當設置。.在彈出的“打印”窗口中,選擇微軟的虛擬打印機即“超星文字識別”。勾選“打印到文件”復選框,如圖3。輸出路徑可以在“首選項”按鈕的“高級”選項卡中設定。打印生成的文件的擴展名是.MDI。圖3.打印完成后.文件將自動打開。點擊“MicrosofI O硒ce Document Imaginr工具欄中word樣的圖標,彈出“將文本發(fā)送到Word”窗口,直接確定,“Mi. crosof0面ce Documem Inla西ng”便開始執(zhí)行文字識別功能.并將識別的內(nèi)容寫入與打印文件相同目錄下的同名、ord文檔。根據(jù)打印和識別頁數(shù)的多少需要的時間長短不一,但一般情況下過程比較慢,請耐心等待。文字識別執(zhí)行完成后文檔自動打開。這里打開的是一個網(wǎng)頁文件,我們將其另存為.DOC。生成的文件中有版面和文字識別錯誤的部分。可根據(jù)原文再作調(diào)整。3將PDG格式的超星電子圖書轉(zhuǎn)換為PDF格式在中文電子圖書中.超星提供的PDG格式無疑是常見的,占有較高的市場地位;但在國際上,由Adobe公司開發(fā)的PDF(Portable Docu