词典的图像底本不大清晰，不过Gemini 2.5 Pro依然可以达到比较高的识别正确率。我粗略检查过，做成词典的话应该算基本可用。因为额度限制问题，正在陆续OCR当中，先放出前750页（正文共2057页）的文本数据，供大家批评指正，看下…

用正则再次修正过的版本，也做了一个相应的mdx，错误明显少了一些。拉鲁斯法汉双解词典_xml.zip (8.5 MB) 拉鲁斯法汉双解词典（XML）.mdx (6.5 MB) larousse.css (992 字节)

可能是我没表达清楚，我的意思是：通过对比ipa-dict的音标数据和《拉鲁斯》ocr文本的一致性，来检查《拉鲁斯》的音标文本是否存在ocr错误。两者毕竟都是用IPA对标准法语发音的纪录，排除对音位理解的不同后，差异应是极小的。但既然gemi…

现在音标对比有差异的地方也全校核过一遍了，功夫再深，可以一个个去对原书图像，这个工作我不打算做，就暂时到此为止。如今剩下的主要问题是中法文的标点符号，以及空格使用的规范化。 a）中文文本相对比较少，也简短，标点错误很多是原作者、编辑的…

做这个词典是以实用为目的的，又不是学术研究，我不可能改错还加个校记，即使加了，也没有合适的地方放置。真要有做词典版本学研究的，用这里OCR出来的电子版作为文本依据，那也是自己荒唐不学了。至于改错，那也是以非常明显的为主，在github上…

我感觉空格问题不用处理，最后要结构化的话空格问题是直接忽略的。

感谢你能为这部词典付出这么多精力和时间，我没想到这本书能有这么多低级错误。我没有要否定你的劳动价值的意思。我谈论和建议加校记的是释义、音标、义项之类的主体内容，我希望无论如何也要保留这些内容的原貌。《汉语大词典》光盘版的前车之鉴大家都很…

[图片] Deepl: 释义、音标、义项之类的主体内容它们基本没动过，改的是错别字和明显荒唐的音标，比如有一处音标是： [3c172b04-fccd-4163-8bf7-037bf534270c] tungsten是不…

晚近有网友慷慨赠送了一份清晰版的《拉鲁斯法汉双解词典》PDF，真令人悲喜交感。喜的是屡年寻找，踏破铁鞋无觅处，如今则得来全不费工夫，悲的是，我以它为底本让合合、Gemini 2.5 Pro重新实验性扫描识别，其结果也颇有讹误，相对目前文本校…

用 github 上的json文件生成了一个没有任何格式的mdx词典，它当然不美观，很简陋，但主要目的是预览查错用的，更完善的形式以后再说。拉鲁斯法汉双解词典.mdx (5.5 MB) [dfacd4d6-6f8f-4f9e-8cf…

有无可能搞个文字+切图对照版mdx？这就方便使用的过程中校对了。

技术上没有问题，比较简单，图已经切了，索引也有，但我个人觉得没这个必要。因为双解版原书错讹颇多，在文本化的过程有所校改，图文一对照，细微处二者不符，令人反生疑窦。本词典的编校相对粗疏，无论中法版皆如此，不是那种千锤百炼的出版经典，没有太…

《拉鲁斯法汉双解词典》文本数据（OCR）

ocr, 法语

在话题中显示帖子

由 Discourse 提供技术支持，启用 JavaScript 以获得最佳体验