棒棒2000
1
一、《中文大辞典》词典制作计划正式启动！！！
1.背景：《中文大辞典》是最后一本用文言编写的大型辞典，内容详实全面，具有较高阅读价值，故决定制作此书详细检索（仅词头，非全文）。由于当年图书采用刻板印刷方式，导致现在使用最高清的图片（600dpi）ocr仍然出现混排、错误率极高的情况，故决定采取需要人工打字输入方式制作。
2.详细实施步骤：拟招募20人（当然人越多越好），将全书页码均分（共17244页），平均每人输入词头（仅）约850页。根据个人测试速度，1小时能录入6页。就算普通上班族，一天抽1.5小时输入，约4个月就能完工。
3.你获得的：参与制作的人员（打够850页数，人多则会任务量更少），在计划结束，将会获得全网最高清的《中文大辞典》（全套40册，600dpi，90G）原始图片。
4.参与人员请加【
】QQ群（632514376），内有具体输入说明和教程。需要有一定语文水平，认得繁体字的朋友。
二、《中文大辞典》（全套40册，600dpi）原始图片，例图
链接：https://pan.baidu.com/s/1tTJ01QFccfMulvefVAZSCA
提取码：l9ea
不如图片给 hua 在本论坛架个公开的 Wiki？
词头由网友补全
3 个赞
40册的版本我还没看过。家里是十本的。
站上的版本好像是用大汉和辞典的辞头做的。
中文大辞典有删去一些日本相关的辞头，
所以会比较少。
我在想可不可以先用大汉和辞典版本的辞头，
依第二字笔画排序(对照笔画输入法)后，
用每页头尾的辞头及其编号来定出页码。
不过第二字笔画相同要依字形起笔点、横、直、撇排序就不知要怎么做了。
好像有的中文编码是用这排序的？
王云五四角号码？
字形起笔又会扯到笔顺各地有别。也是会有问题。
okayer
11
37万词，可能将近100万字，就算两边论坛有10人愿意几乎算是免费帮忙，一个人负责10万字，相当于两本康熙字典了。按照楼主给的图片，分三栏OCR之后简单处理了一下。
【一 丈威】
【一丈紅】
【丈素】
【一丈翎】
【丈黃】
【丈菊】
【一】
【一上一下】
【一上一通】
【一上不下】
【ロ】
【一 ロ三舌】
【ロ吸盡】
【一口吞】
【一口氣】
【一口】
【一山
2 个赞
中文辞头碰到不会念的字，
对用拼音、注音输入法的人有困难。
一些字形相近的字也可能会选错字，
所以我想用校正的方式可能比较适合大家参与。
笔记一下“笔画排序”
Excel 和 WPSSpreadSheet 都可以依笔画排序。
写程式式可以参考下面连节，不过看不太懂。
https://www.itread01.com/content/1545514574.html
阿弥陀佛
14
書中沒有詞頭索引?孔網上看只有單字索引，做詞典的人也太偷懶了吧，本書文本電子化官方也在進行，也可以等它的文本弄好再去抓取。不過目前他們的工作效率極其低下，不知到猴年馬月。
棒棒2000
16
官方的电子化貌似已经停止。官网上不去了。至于识别，我试过了，这种雕刻版的书，识别出现三栏混排的情况。校对的功夫不比人工量少。
棒棒2000
17
计算机确实能简化过程，但是这个字典的原始文档还是需要人工创造。
1 个赞
卷帙浩繁，需要很多人手；而且生僻字太多，专业性强。
如果闭门造车，参与者的工作质量参差不齐，要复查又相当于重新来第二遍。
最好的办法就是公开Wiki。
在错误诸多的OCR结果上，有兴趣者边阅读词条、边与原图词头对照，生僻字用部件檢索工具拆解输入词头。其他参与者对前面某个词头校对结果有异议的，可以在该页面回帖讨论辨正。
如此假以时日，方能功德圆满。
我有第九版。网络上用emule下载有第七版？
质量如此（普及本）10册
