兼职编辑识别校对教程.doc

PDF、JPG数据加工教程 目录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc315944634 第一章 软件介绍  PAGEREF _Toc315944634 \h 2  HYPERLINK \l _Toc315944635 第二章 PDF转jpg  PAGEREF _Toc315944635 \h 3  HYPERLINK \l _Toc315944636 第三章 汉王识别  PAGEREF _Toc315944636 \h 4  HYPERLINK \l _Toc315944637 第四章 word编辑  PAGEREF _Toc315944637 \h 9  HYPERLINK \l _Toc315944638 第五章 补充  PAGEREF _Toc315944638 \h 15  HYPERLINK \l _Toc315944639 第六章 其它要求  PAGEREF _Toc315944639 \h 16   软件介绍 首先电脑上需要有以下几个软件： --word ：用于编辑整理最终识别出的TXT文档。 --汉王 ：用于识别jpg图片格式的文件，最终导出来为TXT文档。 PDF编辑软件 ：用于阅读PDF格式的文件，同时可以把PDF文件另存为jpg格式，方便识别，因为PDF在汉王里面打开不太稳定。 --分辨率调整软件 ：有的jpg格式的文件分辨率不够高，导致识别出来满篇红字或乱码，这种情况就可以用该软件批量调整，分辨率300为最佳，调整后一部分书可以提高识别质量。 第二章 PDF转jpg 首先给的文件格式一般有两种 PDF格式 jpg文件包格式 如果是PDF格式，那么就需要在PDF编辑软件里另存为jpg格式，方法如下： 打开文件 自己在电脑上指定位置建一个以书名命名的文件夹，如“我的文档—清水里的刀子”。再点击PDF工具栏的“文件—另存为”出现以下界面 把文件的保存类型改为jpg格式 点击保存 保存完了之后PDF转为jpg这道程序就做完了。 第三章 汉王识别 运行汉王程序 点击“文件—打开图像”，然后选择你把存的jpg的文件夹，出现以下界面 点击某一文件然后“ctrl+A”全选 ，再点击打开，出现以下界面 注：如果书本页数过多，也可以一次只识别一部分，可以按住shift再点击文件，比如只想识别前100页，那么就点第100页，然后点打开。 同样处于这个界面时你可以点击左边的文件全选按F8或者是点击上面的识别按钮全部自动识别，也可以一页一页的识别。自动识别出来的界面如下 右边分为两栏，上面是文字 ，下面是图片，文字里红色字体大部分是识别错误的，需要手动改。有的不是红色字体部分也有错误，所以要稍加仔细一行行看，刚开始可能速度慢，做得熟练了就会快很多。页眉和页码要删除。目录和版权页不识别。光标有两种形式，默认的是替换形式的横光标，如果不习惯，怕掉字的话可以按一下insert格式换成一般形式的竖光标。 当遇到图文结合的书，或者页眉较多的书，建议不要自动识别，直接挨个一页页识别，选择文件之后，点击把右下方的图片预览变小，然后匡选需要识别的文字区域，结果如下，然后再点F8识别。 对于文字构成较复杂的页面，可以一段段框选，识别时会以序号顺序来排列文字 要取消选框就直接点击选框点delete,然后重新框选。如果想取消该页面的识别就点击页面再按Esc键，然后手动重新框选识别。 识别完了之后全选左边识别过的文件，点击“输出—到指定格式”就出现以下界面 输入文件名，点击保存，这样文本就以TXT格式导出外面方便后期编辑。 注：如果一本书识别了80页然后没导出文件就关闭了，那么汉王会自动保存，识别进度，所以不用担心数据丢失，下次打开接着识别就行了。 有时还会遇到汉王不稳定的情况，比如打开图像没反应，那么你可以直接把文件夹里的图片选择了直接往汉王里拖，效果是一样的。 当保存为一个txt文档时识别这道程序就完成了，如下。 注意：在识别过程中不得偷工减料，除了目录图片和版权页不用识别，其余都需要，有的书可能好识别错误少，有的可能错误多，但是识别时一定要尽量识别完整，不要明明看到的错误都不改，乱码也没改，这个我们会做抽查的，不合格是要返工的，同时也不需要太过认真，不用精确到每个标点每个字，只是说在能力范围内保证准确。 在识别的过程中如果一个错误频繁出现，如“了”都识别成了“r”，那么可以先用文档或纸记下来，导出来后在word里批量改正，这样可以节省很多时间。如果对汉王识别还有不清楚的，可以自己多学习下，有的经验要靠自己去慢慢发现。 第四章 word编辑 新建一个word文档，用书名命名，把TXT文档打开全选复制粘贴到word