我看了下，我这边索引不包括古语俳句有44698条，比你切的图多几十个词，但我这个版本切图程序有60多张对应错误，可能有分词分错的地方，我再对比一下。
根据Linzertorte的图像进行了对比，查出不少错误，现在索引已经对齐，正文部分词条数44621。
这是json格式的数据文件（古语部分仍然有问题）：
日汉双解学习词典_gemini.zip (6.2 MB)
制作了图文对照查错版MDX：
链接：百度网盘 请输入提取码
提取码：1234
不过原书也是有错误的，比如这里实际上乌打成了鸟
感谢，旺文社双解是极好的学习词典
其实按照这种日语原版
引进版扫描的法子，还有两本词典也可以这么搞。
一本是现代日汉例解词典，就是版数差了两版（日语版是第五版，引进版基于第三版）
一本是日语口语词典
这本词典，论坛的ocr的日文版和20年引进翻译的都是同一班次，可以直接拼接。
这本我本来也打算文本化的，不过现在搞《新世纪日汉双解大词典》遇到很多问题，口语词典我弄完了可以看看。
还以为没几个人注意到这本
辛苦优化完善了
重新扫描是论坛里那版还有什么别的问题吗
论坛版本当时应该是没有索引情况下用其他词典索引爬的，词条不全，我想补一下数据。
很棒的词典。我在加跳转词条的时候看到很多有意思的说法，闲下来的时候直接阅读原书一个一个看也是很不错的
用文字版PDF转导致缺标签吧，用Logovista转换比较好。不过要转换比较麻烦。
文字pdf转过来自带<br>标签（下图），然后内容本身有书名号《 ①序号什么的符号，有助于结构化，就用python来加标签，而且就用到了普通的字符串方法.replace() .split() .join()等等，还有一点正则，比想象中的要简单，还可复现。
就是有时候图方便脚本随手写，后来再想加新功能（标签）、改结构的时候，不忍直视原来的脚本，只能在原有的基础上继续写
其实更大的问题是振假名缺失，原版是有的。
是的，假名标注是错误最多的部分，还有部分记号unicode没有需要单独处理，部分字形错误也需要校对。
那个大括号里的内容是固定的，可以直接套用第八版的
感谢提供信息，我是看每1000个词序号有没有错位来对比的，可能会漏掉局部位置互换这种情况。
