# 词典制作周边工具（一） **URL:** \ **Category:** 技术交流与词典编修\ **Tags:** ocr\ **Created:** [2021 年1 月 29 日 11:20 UTC](https://forum.freemdict.com/t/topic/4799 "2021-01-29T11:20:11Z")\ **Posts on this page:** 3\ **Page:** 1
作者： ![hkreporter](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/h/41988e/32.png) [@hkreporter](https://forum.freemdict.com/u/hkreporter)\ 发布日期： [2021 年1 月 29 日 11:20 UTC](https://forum.freemdict.com/t/topic/4799/1 "2021-01-29T11:20:11Z")
# 词典制作周边工具（一） ## 使用ComicEnhancerPro+ABBYY FineReader制作词头索引 1. 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 1. 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。 - 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。 ---
作者： ![weshor](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/w/e19adc/32.png) [@weshor](https://forum.freemdict.com/u/weshor)\ 发布日期： [2021 年1 月 30 日 11:01 UTC](https://forum.freemdict.com/t/topic/4799/2 "2021-01-30T11:01:48Z")
多谢分享，学习一下 ---
作者： ![lbhl](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/l/bcef8e/32.png) [@lbhl](https://forum.freemdict.com/u/lbhl)\ 发布日期： [2021 年2 月 14 日 02:22 UTC](https://forum.freemdict.com/t/topic/4799/3 "2021-02-14T02:22:12Z")
发现很多人回车换行符用\n，不知道这年头是否在linux系统下的人反而比在windows下的还多了？至今我好象还没有发现有\n作为回车换行的MDX（有的话请告诉我） 为了兼容性，最好还是用\r?\n表示回车换行吧！