我看了下注音错误很多，而且也有大模型幻觉自己编的情况。 整理了一下格式，主要修复了注音方括号的问题，还有转义缺少箭头的问题。然后写了个python脚本解决跨页问题，把这个切分成了json文件，实际条目不够38000条。另外再提供一个夸克识别的版本，质量也还行，是docx，分割500页处理的，docx是带格式的，也需要写程序处理。
我感觉弄2-3个版本的文本然后分块对比校对比较好。
拉鲁斯法汉双解词典 整理.zip (19.3 MB)
1 个赞
谢谢，辛苦了。不过在把文本捋顺之前，其他操作不着急。初始OCR稿的毛病不少，我在简单核对起始页遗漏文字问题时，发现有两批文本（P1051、P1326起各25页）存在重大缺陷，把黑点序号遗失了，或者统一识别为●，于是重新OCR更换了文本。因为在主帖内尚未更新，您修复注音方括号、箭头等劳作等于用到了空处。
在论坛上更新文本不方便，我考虑把它放在github开一个专门的repo，这样可以多人协作异步操作。
我先把主帖的文本更新一下，主要的差异是替换了重新OCR的50页文本，初步检查了每一批pdf（25P）起始页有没有文本遗漏。
用其他OCR引擎的识别结果文本对校很有效，我经常干，但恐怕不太适用《拉鲁斯法汉双解词典》这类多语种复杂文本，输出格式的差异很多，把人眼睛都看花了，且文字量很大。
主帖暂时不让编辑了，把更新过的文本放在这里。
[拉鲁斯法汉双解词典 文本（初步整理原始OCR稿，慎用）]（废稿已删）
2 个赞
音标问题我感觉因为法语发音比较有规律，可以直接根据拼写或者tts之类生成一个再比较
删除zsbd
删除zsbd
放一个我自己ocr的词典文件，随便看看，错误很多，估计漏词也很多。不忍看，所以一直也没放出来。
拉鲁斯法汉双解词典ocr.rar (5.6 MB)
2 个赞
音标部分错误不是什么难题，可以批量技术性处理，比如把“单词 [音标]”这部分内容用正则全部提取出来，让ai处理，校对，或者再找一个完善的法文单词音标库（最好同属拉鲁斯系列词典），抽取相关内容互校。
我当下比较关心的问题是前后页面接续部分、同一页面两栏衔接部分可能存在文字遗漏、错位，目前还未全部检查处理。
我一般用vs code、winmerge比较文件，都看上去很花，还没用过beyond compare，你的对比效果不错，我也找来试试这个软件。
谢谢。你有没有mdx生成前的txt文件，它的词头排序和原文通常是对应的，至于mdx词典解包后得到的txt，怎么排序就很难说了。
拉鲁斯法汉双解的底本有电子版吗？如果有的话可以拿文本数据来校对，朗氏德汉双解是有的，不需要校对，直接 OCR 中文插入到原文里就可以了。
这些错误，在大模型中实际可以通过事先测试、完善prompt而改进，让它注意音标的加注方式，声明用了[ɛ̃][œ̃][ɑ̃][ɔ̃]等这些符号，双重检查页面衔接处的文字遗漏状况等，我在这里偷了一下懒，并没有全面测试系统prompt。
目前只找到图像版的 Dictionnaire de la langue française - LAROUSSE， 樂如思法語辭典 = Dictionnaire De La Langue Franaise. Le ru si fa yu ci dian = Dictionnaire De La Langue Franaise - Anna’s Archive
最新版好像是24年的，我看网上都没有。校对的话我之前写过一个工具可以对照显示不同文本和图片，但需要导出pdf中每个词的坐标。
用^.{1,20} \[提取，做了一个简单粗暴版的拉鲁斯词头索引，可以用它去 Dictionnaire Français-Anglais en ligne - Larousse 撞库取音标。
拉鲁斯 词头索引.txt (358.2 KB)
爬虫也让ai协助写好了，测试运行没有问题，不过速度比较慢，我暂时没让它继续跑。
import requests
from bs4 import BeautifulSoup
import time
import os
# --- 配置 ---
# 包含单词列表的输入文件名
INPUT_FILENAME = r'C:\Users\xxx\Desktop\拉鲁斯 词头索引.txt'
# 保存结果的输出文件名
OUTPUT_FILENAME = r'C:\Users\xxx\Desktop\resultats.txt'
# 基础URL，单词将附加到末尾
BASE_URL = 'https://www.larousse.fr/dictionnaires/francais-anglais/'
# 设置请求头，模拟浏览器访问
HEADERS = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
def get_phonetic(word):
"""
为单个单词获取其所有音标，并正确拼接。
"""
word = word.strip()
if not word:
return "单词为空"
url = BASE_URL + word
try:
response = requests.get(url, headers=HEADERS, timeout=10)
if response.status_code == 200:
soup = BeautifulSoup(response.content, 'html.parser')
phonetique_spans = soup.find_all('span', class_='Phonetique')
if phonetique_spans:
# 提取所有文本片段
all_phonetics_text = [span.get_text(strip=True) for span in phonetique_spans]
return ''.join(all_phonetics_text)
else:
return "音标未找到"
else:
return f"页面加载失败 (状态码: {response.status_code})"
except requests.exceptions.RequestException as e:
return f"请求错误: {e}"
def load_processed_words():
"""
读取输出文件，返回一个包含所有已处理单词的集合(set)。
"""
processed = set()
if not os.path.exists(OUTPUT_FILENAME):
return processed
with open(OUTPUT_FILENAME, 'r', encoding='utf-8') as f:
for line in f:
parts = line.strip().split(': ', 1)
if len(parts) > 0 and parts[0]:
processed.add(parts[0])
return processed
def main():
"""
主函数，负责读取文件、循环处理和追加保存结果。
"""
if not os.path.exists(INPUT_FILENAME):
print(f"错误：输入文件 '{INPUT_FILENAME}' 未找到。")
return
processed_words = load_processed_words()
if processed_words:
print(f"已在 '{OUTPUT_FILENAME}' 中找到 {len(processed_words)} 个已处理的单词，将跳过它们。")
with open(INPUT_FILENAME, 'r', encoding='utf-8') as f_in:
words_to_process = [line.strip() for line in f_in if line.strip()]
words = [word for word in words_to_process if word not in processed_words]
if not words:
print("所有单词均已处理完毕，无需操作。")
return
print(f"共 {len(words_to_process)} 个单词，还需处理 {len(words)} 个。开始爬取...")
with open(OUTPUT_FILENAME, 'a', encoding='utf-8') as f_out:
for i, word in enumerate(words):
print(f"[{i+1}/{len(words)}] 正在查询: {word} ...")
phonetic_text = get_phonetic(word)
result_line = f"{word}: {phonetic_text}"
print(f" -> 结果: {phonetic_text}")
f_out.write(result_line + '\n')
f_out.flush()
time.sleep(0.5)
print(f"\n本次任务处理完毕！结果已追加到 '{OUTPUT_FILENAME}' 文件中。")
if __name__ == '__main__':
main()
每页的起首文字校对到625页，发现p213、302、537、609都有严重的幻觉错误，已经替换。同时也和夸克OCR得到的文本互校了部分文字，获得了一个可喜的消息——《拉鲁斯法汉双解词典》用Gemini识别出来的文本无论中法文文字本身的错误率很低，或许跟正式的出版物也没什么区别。差错主要集中在音标，❶❷❸❹❺❻❼❽❾、◆◇→‖ 这些符号，以及标点上，也不算特别难修正。
2 个赞
删除zsbd