超星电子图书的文字识别和格式转换

1、第19翁鞋堑鞘帮,彰i篓囊嚯净m嗡学旧譬錾鏊磊;苗0idIg蕈冀姥蔷猫iii霎j基i迥l芝。;蠡冀羹霎蓁主雾茎耋重量垂ii妻i孽i耄竺耋罩i耋耋i耋薹蚕霎!j三一至三三i三_l季!篓i蓁粤羹一耋蓁i零i宝孽;妻霎耋i薹垂睾ii;ij囊爹i奏主霎i三;童:;搴耋耋;i爹毒璧萎ii。耋茎冀i;蓁雾至善;童i;囊|l摹:;垂垂|薹霎.蓁冀囊量j喜i!目三三ii霎童j至耋垂垂l薹!i;薹砉耋耋i薹l蚕;i茎;ii塞蕊蚕.茎茎妄萼?菱。萎翥霪l;黥蠢霆譬耋i霪i壅il!蓁窘l坠:菱蓁著互,差嚣鬻l i鏊F;l妻i|霎!l霎;i;1广“垆:爱薹一i善.耋蔓潲l。参i;妻孽ii奏i囊sl薹i;i孽¨

2、;蝎;荤i殷萋!l薯i季妻羹i雾囊,嚼冀霎警耄錾鍪蓁|蓁霎冀羹季墓蓁鋈雾垂冀錾薹;雾萋蠢稀囊羹蠹藿薰些薹萎型耋翼霎蓁雾篓蓁蓁霎鲤|弱囊囊羹囊蓁蒌鬟鱼霪冀薹篓薹耋需型;霎羹羹季.蓁霆襄蕊。羹囊蓁震;羹两,薹面囊雾。雾毳;窭毳;霎藜,蓑薹鬻燮翼蠢雾;囊醛薹冀霎一耋囊冀霎鬟薹冀耄罂霪冀羹删摧囊薹萋震雾翼霪霎i霎鲤篓翼囊羹零塑萋鬓鋈囊鋈鲞霎福羹霎薹雾羹i爵冀冀蓁;囊箍雾憋羹薹薹羹褥浑巍绰;垂蓁卤蛊借置爵晕玺鬟蠢锚型肴埔蓁囊蝎螅羽溷塞:;薹冀赢叁匿毓嬖囊薹l墅g;擘!琵萋可蛳蒹;塞iiii:妻墓;誊妻;.童要萎i零大萋誊甜枣舵鹃蘑蠢辇氍畿酴醮豇戡勤剧Ej 晨溪璎磷翅饥I十刁制幽零叠黑诗摆:冀誉薹阅读和下

3、嚣誉惕提:韵名滴嗷雾稻螅鬻赠蒙塑甾懋彭嶷型,盟码一磐i鼍鹾很埕j瓣鬻誊。;耸斋墨眉塑物翅蚕i 潲榭鼢涎谊据揣鹜璧个铙馕始点莉轻攀;囊=霎熙孙酥斟隐蓥霎那耋荪苄采碥签蟹褰翼螽裂篝摹掣氍;主=奏耩姜趋星甄军囱譬崖矍薄莓墨蓄萋器 蓦莲梭强四鼍翟峰虞蘑翰饕矗萋!i帛膏豁篓封三f 型园范薹万挝为大蒙;酌-工祚薹蠹胁雕,抛鼬龇已鄹叟剡明dd蒯悻薹商俘传缠篓厦缓踝得藏的不足蓁鬟二一鬈娶眄影郭耕巅非囊l片昱嫣剖耄揍鹕蓁蠢霪爵i囊妻il孽兰薹il薹!i萋囊馨孽耋ii薹量lxi心!络型i酝雷甘薛引丽篁知裂导浅引氍薹鞲稳缨溺墙垣翻滞。揣洱裂娶剿私勰型型薹黾副i压室卵鲥啪邸i霎ll羹lli墓L毒垂.差雾妻=三冀冀;童

4、薹i。爵矍黉警鞋鬟霸懿!喜;!塞;l囊要;删|、霎誊!茎萋萋皇罩霉i蓍蠢l;娟拍弱壅薹惭!;蚕囊ii雾始臻÷萋l至主。蕈囊喜、蠹雾i。趸霎季蔓窝捌i雾ll垂l雾鸶i;ii善塞孽襄i塞鎏羹.晤亭i;习癌星涩德似l萋;羹;鐾霎要;i;j薹薹釜二毒蓁蓁,萤善i;糟蘸算绋箨厍i萋蠢;il蓥l蕈享妻。堇至耋垂j量蚕蚕:墓lili;-l漆匿嘴隧爨;蠢:姜j;il垂i要;霪羹羹萋萋j重妄毒,塞委l 霉.b磊竿律答姜鲤ik糖霎i囊!琴薹嚣嚣耋羹薹黍冀鋈琶褰羹碧霪参萎薹ii;l!g lg冀;÷舌;i;g|!g ll鹳一!;ii!;薯至!i萎i主妻至盖i j!誊誊量;.蓁|圭=ji重iiF霪!

5、摹耋§耋=l;誊蔓ll量;妻萋|;兰!;主主:耋.I翼l|i;!l;鳍!霉ill?§悔g;iiii!运;i。l!墓lll;j簧。;ll;i|;§誊|:月=lj萋;?§l;l;蕈l葛ii§,;鬻自;!÷ijj#i=lii鲁;ilj譬;j;二iiij蕞:i§§i:i!;i重iij;§目|,￥农业图书情报学刊:信息教育第19卷特别理想,错误较多,也不方便校对。+(图1中圆圈标明了识别的错误处,系作者添加。2.2利用超星阅读器的抓图功能,借助尚书等oCR 软件识别打开同一本书,选取同一识别段落区域后右键另存为BM

6、P格式的图片。再利用“尚书六号表格文字识别系统”(以下简称为尚书软件打开保存的图片文件;选择自动文字识别,结果如图2,(图中蓝色为系统自动标识出可能错误的字.圆圈则标明了识别错误之处。与前面直接用超星OCR识别的结果比较,识别准确率提高不少。超星公司后期制作的或扫描较清晰的图书,使用这种方法。纯文字识别率最高接近100%。另外,尚书是一款专业OCR软件,其识别界面比较人性化,使用方便。上半部分是识别出来的文字。对识别不准确的文字自动用蓝色标识出来.下半界面同步逐行显示被识别的图片。且界面右下角提供了系统有可能识别错误的字的相近字可供鼠标点击直接替换,基本上不用手工再输入。如图2。图2对中英文识

7、别较好的OCR软件还有汉王、蒙怡、丹青和清华紫光等。2.3利用Microso丘。伍ce Document Ima西ng虚拟打印机“打印”成图片.再用其自身的ocR功能识别。.安装O伍ce2003后会在控制面板的“打印机和传真”中生成名为“Microsoff Office Document Image Wnter”的虚拟打印机。首先将其改名,比如改为“超星文字识别”。特别注意:最好不要含有O伍ce、PDF、MiefosofI、Ac. robat等,因为超星阅读器会自动检测打印机名称.如果包含以上单词则拒绝打印。用超星阅读器打开一本下载好的图书,选择“图书”一一>“打印”。弹出“打印设置”窗

8、口,设置打印页数和方式。其中页数是否包括封面和目录、正文等.可以先计算好,根据需要进行恰当设置。.在弹出的“打印”窗口中,选择微软的虚拟打印机即“超星文字识别”。勾选“打印到文件”复选框,如图3。输出路径可以在“首选项”按钮的“高级”选项卡中设定。打印生成的文件的扩展名是.MDI。图3.打印完成后.文件将自动打开。点击“MicrosofI O硒ce Document Imaginr工具栏中word样的图标,弹出“将文本发送到Word”窗口,直接确定,“Mi. crosof0面ce Documem Inla西ng”便开始执行文字识别功能.并将识别的内容写入与打印文件相同目录下的同名、ord文档。根据打印和识别页数的多少需要的时间长短不一,但一般情况下过程比较慢,请耐心等待。文字识别执行完成后文档自动打开。这里打开的是一个网页文件,我们将其另存为.DOC。生成的文件中有版面和文字识别错误的部分。可根据原文再作调整。3将PDG格式的超星电子图书转换为PDF格式在中文电子图书中.超星提供的PDG格式无疑是常见的,占有较高的市场地位;但在国际上,由Adobe公司开发的PDF(Portable Docu