标题: 【OCR教程】OCR系列教程四：标点符号识别篇【转自文心阁】 [打印本页]

---

作者: 天涯凝望    时间: 2011-12-15 19:12
标题: 【OCR教程】OCR系列教程四：标点符号识别篇【转自文心阁】
　　本教程需要用到一个软件：EmEditor、两个脚本：排版脚本1.4和标点符号替换脚本，标点符号替换脚本是用作校对前的文本处理，而排版脚本是校对后用于文本处理的

　　一般以原图大小的图进行识别，标点符号是大部分识别不出来的，将图片进行预处理，放大到2倍，就是为了能识别出标点符号。在汉王文本王中校对标点符号也要注意，如果是[attach]50596[/attach]想做字库的话，就不要全部都纠正过来，最终效果见下图，这样做只是为了更方便的批量处理。
　　一般（，）号识别为（１）跟（．），只纠正（．），不纠正（１）；（“）号、（”）号跟（……）号不要纠正；其他的符号都可以纠正。
　　当然，上面说的是没有字库工程的情况下，有了字库之后，识别之后直接导出TXT，然后用EmEditor的“标点符号替换脚本”批量处理标点符号。
　　

　　软件很简单，在字库工程应用篇中也有涉及，这里就不累述了，标点符号的替换脚本具体内容如下，除了标点符号外，我也添加了一些常出现的错误，大家在使用的过程中发现有规律的错误也可以自行添加——


document.selection.Replace(\"．．．．．．\",\"……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"．．．．．\",\"……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"１……．\",\"“……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"１．\",\"“\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"．．\",\"“\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"．１\",\"“\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"１，\",\"”\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，１\",\"”\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，．\",\"”\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"．，\",\"”\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，，\",\"”\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"１\",\"，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"．\",\"，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，卜\",\"小\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"ｉ\",\"训\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"训，练\",\"训练\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"”卜\",\"，小\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"“卜\",\"，小\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"小、\",\"小\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"咋、\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"咋，\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"介、\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"介，\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"斤、\\n\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"斤，\\n\",\"个\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，”\",\"”，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"！，“\",\"！”，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"。，“\",\"。”，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"？，“\",\"？”，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"…，“\",\"…”，\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"……“\",\"“……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"“，\",\"，“\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"“““\",\"……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"““\",\"“\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"。亨\",\"哼\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"口亨\",\"哼\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"包囊\",\"包裹\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"囊住\",\"裹住\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"六卜\",\"“小\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"止，\\n\",\"山\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"犬……\",\"大……\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"”比如\",\"，恍如\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"”比若\",\"，恍若\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，比若\",\"恍若\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"，比惚\",\"恍惚\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"录削\",\"剥削\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"录夺\",\"剥夺\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"录开\",\"剥开\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"刚，\\n\",\"刚\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"刚，刚\",\"刚\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"刚，才\",\"刚\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"剑，\\n\",\"剑\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"光，\\n\",\"光\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);
document.selection.Replace(\"划，\\n\",\"划\",eeFindNext | eeFindReplaceEscSeq | eeReplaceAll);

---

作者: 天涯凝望    时间: 2011-12-15 19:14
起点图源－去乱码、重排段落修订脚本

每个起点帐号的数字ID都不相同的，所以请自行修改代码。

脚本代码如下：


if (document.selection.isempty)
nFlags=eeFindNext | eeReplaceAll | eeFindReplaceRegExp;
else
nFlags=eeFindNext | eeReplaceSelOnly | eeReplaceAll | eeFindReplaceRegExp;
document.selection.Replace("^","囧",nFlags);
document.selection.Replace(" ","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("————","——",nFlags);
document.selection.Replace("囧——","　　",nFlags);
document.selection.Replace("囧","",nFlags);
document.selection.Replace("留，６呕\\n","",nFlags);
document.selection.Replace("——酣.+\\\\n","\\n",nFlags);
document.selection.Replace("——留.+\\\\n","\\n",nFlags);
document.selection.Replace("——毖.+\\\\n","\\n",nFlags);
document.selection.Replace("——鳃.+\\\\n","\\n",nFlags);
document.selection.Replace("——蚓.+\\\\n","\\n",nFlags);
document.selection.Replace("^加ｘ.+\\\\n","\\n\\n",nFlags);
document.selection.Replace("^奶ｘ.+\\\\n","\\n\\n",nFlags);
document.selection.Replace("\\n","",nFlags);
document.selection.Replace("。　　","。\\n　　",nFlags);
document.selection.Replace("？　　","？\\n　　",nFlags);
document.selection.Replace("…　　","…\\n　　",nFlags);
document.selection.Replace("。　　","。\\n　　",nFlags);
document.selection.Replace("：　　","：\\n　　",nFlags);
document.selection.Replace("！　　","！\\n　　",nFlags);
document.selection.Replace("）　　","）\\n　　",nFlags);
document.selection.Replace("”　　","”\\n　　",nFlags);
document.selection.Replace("※　　","※\\n　　",nFlags);
document.selection.Replace("」　　","」\\n　　",nFlags);
document.selection.Replace("（未完待续，如欲知后事如何.+\\\\n","\\n\\n\\n",nFlags);

---

欢迎光临 (http://ftp.zasq.net/~zazww/)

Powered by Discuz! X3.2