《新明解故事ことわざ辞典 第二版》 OCR文本

日语
1

这个我用paddleocr和gemini识别了一遍，本来我打算直接校对完的，结果发现因为furigana问题非常麻烦，预计校对时间超过20小时。目前我只校对了前5页（就是gemini的那个文本），先把文本发上来，全书正文共704页，加附录35页，希望有爱好者合作完成。

image
image2001×1164 369 KB

pdf：
通过网盘分享的文件：新明解故事辞典第二版.pdf
链接: 百度网盘 请输入提取码 提取码: 1234

文本：
新明解故事辞典第二版_gemini.txt (3.2 MB)
新明解故事辞典第二版_paddleocr.txt (3.1 MB)
paddleocr json文件：
新明解故事辞典第二版_paddleocr.zip (7.4 MB)

2

你要弄这部阿，其实我想搞已经很久了，书也拆了，扫描后等着动手…
我真心最想要的是三省堂的另一本 “故事ことわざ・慣用句辞典(第二版)”
无奈弄不到 atok 的数据

001.rar (1.5 MB)

3

日语的 ことわざ辞典比较少，我看这个有pdf，就想做一下。不过比我想的难不少，furigana太多了，ocr还有程序自动标注的都有问题，要花很长时间校对。我现在是用程序自动添加了furigana，然后做了部分格式修正。要不要一起弄？

4

atok是三省堂的吧，和这个不是同一本，另外現代語古語類語辞典别的地方好像也没有数据。
https://www.justsystems.com/jp/products/ichitaro/features/feature09.html

5

对制作辞典，我可能有强迫癖，我都是将每一个词条内的内容跟书本人工校对过一遍才甘愿。弄这部的话，我的行程排在后面，可能要不少时间了…

6

这个是一太郎里面的，每年都会搞一新版，内附上几部辞典当卖点

我说的是这个
我是想过找个时间，狠下心花钱，拚半年内把他的数据弄出来

7

我手上有的ことわざ或惯用句或四字熟语都超过10本了，等着弄的还有5本以上，很多了

8

我看很多小学用的比如学研和小学馆的有电子版，还有japanknowledge和dongri有好几本的数据，不过mdx之前制作了而且发布的应该只有两个。