据说优秀的辞书，字头跟释义用字是自成闭环的，释义中用到的每一字在本书里都能查到
300多人合作的。某人用了什么字形，其他人可能都未必知道。
新版應當修了。（小問題，需要那麼大的截圖嗎？好佔地兒哈哈）
图大，醒目 
that page works normally for me. 注意：查文字版缺的字頭，會進入（或保持在）圖像板界面。
反饋一些問題：
妃：原文「通“配”」，此文字版少一「通」字。
飛：義項第 10，例證（鬼谷子‧飛箝）併入了釋義。
會：義項第 8，例證（清 蒲松齡 富貴神仙）又條誤作釋義或按語。
將：義項第 21-3，書證（孙经世 經傳釋詞補）併入了釋義。
度：義項（三）（「同“宅”」條），例證（書·堯典）誤作按語或釋義。
高：義項第 9，書證（爾雅）併入了釋義。
賽：義項第 2，例證（金 董解元 西廂記諸宫調）誤作按語或釋義。
苗：義項第 8，例證的注誤作按語。
示：義項第 8 ，例證（莊子·徐無鬼）誤作按語。
嘉：義項第 5，例證（周禮）併入了釋義。
絕：義項第 1，例證（史記·刺客列傳）誤作按語。
快：義項第 11，例證（元 佚名 百花亭）「買快探
」，或為「鬮」（據中華書局《元曲選》）
轟：義項第 4，例證（矛盾·子夜）「高声
喝」，作「吆」。
查询“直”字时，第3义项的例句：“不能裂肝脑”中的“脑”字的颜色与例句不同
私有區字標紅色。有點太顯眼，也許當限制於字頭。
辛苦了！
這一問題，僅見於通假，它處沒有這種情況。這應當是標點符號的使用問題，而不是區分引證與編者語的體例問題。通假的義項，其引證無非包含了通假字與本字，以證明兩者通假。只不過有時引証的材料，本字或通假字的位置或在引文中，或在後面注或解釋中，位置不定。如此一來，字頭（通假字、本子皆有可能）要麼出現在引文，要麼出現在注中，這是自然不過。字頭出現在引文，引文的語意算是完整的（從整個語境看），所以使用句號；字頭不在引文，那自然整句語意不完全，所以不當用句號，需配合後面解釋性的內容，才成一連貫完整的語意段落，故句號標在了整個引證的最後（引證不只是引文，後面的注，一般都是引證不可或缺的一部分，除非加了按語，或有明顯的編者語氣，可另作編者語看待。）這裏舉個有意思的例子，它是出現在引文中的例子，它很能說明是標點符號的使用問題。「據」義項第 12-1，引用了王氏《經義述聞》的書證材料。在《經義述聞》的引文中，標點符號的使用也是如此。
再從引證的排序標準看，也能證明它們是引證。例如，「立」字，「通「位」」一條，例證中 周禮 的引句，亦無標句號。但按引證排序看，是符合作為例證的標準的。漢語大字典先書證後例證，再分別按時間排序。所以，此條例證位於書證（篇海類編）之下，又時間皆早於論語、馬王堆等例證，故位於其上。倘若非引證，又何必嚴謹排序，我想這不是偶然～此例眾多不贅述。
還有一個有意思的例子。「瓜」字義項第 5，例證 三國志，引文與釋義沒多大的關係，同樣也不出現字頭，語意不完全，所以沒加句號。有關係的是後面的引用的注文部分。引文的作用只是說明其後面的注文是出自於該引文而已。所以，並是不是引文就是引證的主體，注文也是其相當重要的一部分，只是有時彼此重要性不同。所以應該更多地把它們作整體看待。
以上所談是一般的例子，M 兄所舉的「琘」例子，確實亦可當編者語看待。如果按照體例角度，統一當作書證處理好也不是不行，「琘」字下一書證一例證正好（一般字只有實在無書證或例證，才會缺省）。如果說它不是引證吧，但它又確實屬於引證的性質，只不過編者做了修改（我好奇本來《龍龕手鑑》本就有簡短完整的原文，他們不直接引用，非得更改，不然就不會有這種糾纏的問題。當然，這只是個別情況，大多數情況，也只是對引證作刪省）。總之，漢語大字典有些內容標準不一，兄得從整體看待。
這類問題，本來原辭書合併在一起，樣式也統一無別，魚龍混雜的，一眼看過去也似乎沒啥問題。然而一旦稍加區分開來，這些問題之“魚”都跳顯出来了
確實，我本嘗試用正則處理一些內容問題，尤其是引證部分，但是原辭書自身以及數據的問題加起來，讓一切變得十分棘手～（我想您的處理方式和原則大致是對的。
這種大型辭書，向來不用文字版，只用圖像版，省心很多。只是 M 兄的製作一向嚴謹精良，不得不用
人家不見得同意我的做法，但我在這問題上是有用心，不是草率弄出來的。引證標籤，開始鑽這個洞，就會注意到像你說的“魚”跳出來，甚至魚龍百變，不少怪事出現哈哈。
通過這過程發現字典的標點錯失是個好事。
原來有十幾條釋義殘缺，我試探了 OCR 文本的效果。（包括：畛11、鉦2、升7、匣4、佩2、俎2、侯2、尊2、爵2）
我之前抱著希望可以利用 OCR 文本來批量增補字條，現在結論是不可能的。每條要花太多少功夫糾正、校對，和調理標籤。雖然效果比我想象的好，錯誤還是太多了，甚至認不出李善、高誘、鄭玄等等，雖然都不是僻字。
字形有問題的字頭，我後來決定提供補充，用括號。
如果字形不但錯，又不符合 Unicode 標準，就一概改成正字。
𤰈 
目前针对古籍的 OCR，也许只有古联（中华书局）开发设计的最好，它甚至连稿本和手抄本都能高准确率识别，应该也能识别“正常”文本吧，我没试过。它还能提供原文与识别结果的对照，以及自动分析可疑结果并高亮显示，对校对修改十分的友好。它不过目前只是开放个人测试阶段，还不能批量识别处理。具体可见：
重磅发布丨古联OCR系统上线！
that looks cool.
感覺漢字 OCR 是個 self learning AI + big data 能解決的問題…不知道像阿里巴巴做到什麼程度了。
很多刻本都有校訂出來的 “答案”， AI 可以按照答案訓練、自學，不是嗎？
是这么一回事，只是像这种更专业层面的少有人做罢了。
阿里、腾讯、百度等都有自己的 OCR 产品，但是它们针对的领域和需求不同。虽然我没用过阿里的，但我看它们都不出日常办公和商用的范围，至于更专业的文字处理（像古籍文字这类），我是不奢望的。像中华书局这种，有实际的专业需求，才会投入精力合作研发这样的 OCR 系统。