词典制作周边工具（一）
使用ComicEnhancerPro+ABBYY FineReader制作词头索引
- 正文和索引图像准备
- 页码之类的无关信息先用Acrobat剪裁去掉，以免影响ocr。
- 导出PDF为tif或png，把词典正文和索引分开放在两个不同的文件夹。
- 先用ComicEnhancerPro切边，确保索引图像左右页边距对称：
- 参数框选择切边：
- 自动_横排
- 手动选择范围内自动选择；不计黑边
- 页面大小：选择 内容框+页边空；页边空设置为0.1
- 调整页面，确保文字在版心以内
- 参数框选择切边：
- ScanTailor Advanced分割多栏索引为单栏
- 一般来说，索引肯定会是多栏（词头···页码）这样的格式。
- 为了方便abbyy识别，最好中间分割一下，顺便纠正偏斜。
- 比如四栏索引，那就要切两次。因为ComicEnhancerPro已经处理了页边距，ScanTailor会自动识切到中间位置，相当方便。
下面进入正题：
3. Abbyy
- 把单栏索引图像拖放abbyy中，先取消识别，因为自动识别的效果一定很差。
- ocr语言设置： 中文词典的索引可能只有中文和数字，但语言还是应该选“简体中文和英文”，即便这可能带来一些乱码。其实有乱码的地方只选中文也是会错的。
- 右键：CJK文本方向：选水平文本
- Ctrl+A选中已经识别的部分，清空。然后重新绘制文本区域，只需要把词头汉字和页码都包含在框内即可。一般来说，区域越大越好，反正是单栏。
- Ctrl+R识别第一页，看看效果
- 如果效果好的话，那么：菜单-区域-保存区域模板
- 点击第一页，选择：菜单-区域-加载区域模板，加载的时候选择应用到全部文档。
- 初步整理校对
- Ctrl+
上/下一页；不断pagedown看看哪里出错。没有页码的乱码（例如“一画”）不用急着修复，最后用正则替换。
- Ctrl+
- 初步完后，导出，保存为格式化文本，格式选txt格式，这样保存所得的索引词头和页码之间是tab分隔，用emeditor打开就能开始用正则处理。
- 选中行尾为非数字的行：\D\n，替换。这样就基本上完成了索引的校对了。