譯言的朋友可能時(shí)不時(shí)會(huì)遇到翻譯的文字深陷圖像的情況，此時(shí)要么打字輸入要么抓抓頭皮，但文字還在圖像里。是的，無論單張的圖片還是整本的書籍，抓取文字往往還是比逐字輸入便利一些。所以，我就把自己的一點(diǎn)經(jīng)驗(yàn)分享。
文字，把它從圖像里抓取出來，這就是通俗所說的OCR。當(dāng)然從譯言的專業(yè)角度看，所謂OCR具體是Optical Character Recognition，即光學(xué)字符識(shí)別。網(wǎng)路上，一般涉及OCR的情況是把掃描版的PDF轉(zhuǎn)化為文字版，特別因?yàn)槲覀兛梢哉f已經(jīng)是一個(gè)電子書大國(guó)，而手機(jī)txt閱讀也是需求巨大。文字版的確好處不少，便于傳播與引用，視覺清晰而可轉(zhuǎn)換，乃至具有二次制作的空間——至少文字版轉(zhuǎn)化成圖像是輕而易舉的事。不過，OCR的文字識(shí)別率一般不會(huì)是100%，需要作進(jìn)一步校對(duì)。
實(shí)際上，你對(duì)照?qǐng)D像輸入文字已經(jīng)就是人工目光OCR了。OCR的軟件很多，但根據(jù)自己的經(jīng)驗(yàn)，給力的也就那么兩三個(gè)。
首先說單頁(yè)圖像OCR
單頁(yè)圖像的文字抓取我強(qiáng)烈推薦JOCR。JOCR的J是根據(jù)程序開發(fā)者J?rg Schulenburg命名，參見喂雞百顆條目——由喂雞也可見該程序在業(yè)界的地位。JOCR的優(yōu)點(diǎn)是免費(fèi)、綠色、輕量。免費(fèi)不解釋，綠色就是不需要安裝，而體積則小到幾乎不可思議的不足100kb。然后不可想象的是，這么小的軟件其識(shí)別率還非常高，而且可以抓取20多種語(yǔ)言，包括中文繁體，夫復(fù)何求。
下載：JOCR原版、漢化版、使用說明、MODI及“繁體中文識(shí)別”文件。
JOCR，網(wǎng)路上已經(jīng)有善良網(wǎng)友制作漢化版。其實(shí)不必，它常用的功能很簡(jiǎn)單。一般就是：第一步“Capture Region（選取需要OCR的區(qū)域）”，然后在語(yǔ)言框選擇語(yǔ)言，最后“Recognize（識(shí)別）”，于是就為你蹦出一個(gè)txt文本，接下去你還可以就著這文本進(jìn)行校對(duì)。
注意：
1、你要成功使用JOCR，首先得確保安裝了MODI，因?yàn)?/span>JOCR是依托于它而運(yùn)轉(zhuǎn)的。MODI神馬東東，Microsoft Office Document Imaging是也。網(wǎng)絡(luò)上，有時(shí)把它稱為“微軟中文（簡(jiǎn)體）OCR識(shí)別引擎”，雖然偏頗但很給力。不過，好像它的確只能ocr中英文，包括繁體。MODI官方版微軟有下載。
軟件掛名微軟office，那自然就好說了。如果安裝office的時(shí)候選擇了“完整”安裝選項(xiàng)，恭喜你你擁有它了。如果你沒有完整安裝office，那就再來一遍，或者單獨(dú)安裝MODI也行。好像office2010已經(jīng)終止了它，所以更得叫你自己另外安裝。
2、如果你需要抓取繁體，而使用的是簡(jiǎn)體windows系統(tǒng)，那么請(qǐng)將下列“繁體中文識(shí)別”文件復(fù)制到C:\Program Files\Common Files\Microsoft Shared\MODI\11.0
TCCODE.UNI
TCPRINT.DAT
TCPRINT2.DAT
TCSERHT.DAT
TCTREE.DAT
TW_BU.DAT
TW_UB.DAT
TWBIG532.DLL
然后雙擊reg文件導(dǎo)入注冊(cè)表，ok。注意中的注意，導(dǎo)入注冊(cè)表時(shí)必須先關(guān)閉所有MODI窗口，真是媽的modi。
這時(shí)，在MODI的OCR選項(xiàng)卡里，“OCR語(yǔ)言”中即可看到“中文（繁體）”，也就是說依托MODI運(yùn)作的OCR軟件也具有了繁體識(shí)別功能。
或許你要問，JOCR的使用（特別是繁體）不免麻煩了一點(diǎn)點(diǎn)。我的回答是，推薦JOCR正是因?yàn)樗玫?/span>MODI及其繁體識(shí)別功能。一般的OCR軟件往往對(duì)繁體睜眼瞎，或者效果輕度強(qiáng)奸人意，而MODI在對(duì)你說我爸是微軟。MODI抓取的效果那是比較的理想，不管你信不信，反正我是這么認(rèn)為了，而且原文豎排也同樣可行。你爸你爺爺不是說磨刀不誤砍柴工，而且微軟所產(chǎn)木有兼容啥的事多省心。同時(shí)，MODI比起來也是輕量體積，才5M多一點(diǎn)點(diǎn)。
最后說整本批量OCR
一本PDF格式的書籍會(huì)有很多頁(yè)，自然要用批量才行。
一般認(rèn)為最強(qiáng)大的專業(yè)OCR軟件是ABBYY Fine Reader（下載），號(hào)稱“世界排名第一的OCR文字識(shí)別工具”是也。ABBYY Fine Reader不依托MODI運(yùn)作，不免費(fèi)體積龐大。一個(gè)好狀況是，慈悲的網(wǎng)友已經(jīng)制作了中文綠色版，見“最好的OCR識(shí)別軟件：ABBYY Fine Reader中文綠色版”。
我自己比較ABBYY Fine Reader與MODI的效果，親自覺得MODI略勝一籌（主要是在文字識(shí)別率上），或者各有勝出，至少難分上下。MODI抓取的結(jié)果只是文字，沒有字體版式啥的。ABBYY Fine Reader有還原版面的追求，所以可能反而把問題復(fù)雜化。
總之，你還是信我一回。
MODI的一般使用方法是：在打開的PDF文檔“文件”—“打印”—“名稱”中選擇“Microsoft office document imaging writer”，打印你需要的（所有）頁(yè)面。注意，這個(gè)乃至后邊生成的文件地址最好在桌面一類，不然找起來費(fèi)神。于是，它生成一個(gè)后綴名為mdi的文件。你打開這個(gè)mdi文件，在“工具”中選擇“使用OCR識(shí)別文本”，然后開始可能是比較漫長(zhǎng)的識(shí)別過程。電腦不給力的話，一本數(shù)百頁(yè)的書可能漫長(zhǎng)到一覺醒來。識(shí)別結(jié)束后，你再在“工具”中選擇“將文本發(fā)送到Word”，然后它為你生成一個(gè)后綴名為htm的文件，里頭就有你想要的文字了。
關(guān)于OCR繁體書籍，先確保已經(jīng)走過上邊“繁體中文識(shí)別”的步驟。這時(shí)，你打開mdi文件，在“工具”—“選項(xiàng)”—“OCR”中就能看到“中文（繁體）”選項(xiàng)，需要時(shí)選中即可。
附說
悲催的是，我們抓取掃描版PDF版文字，常常還要制成PDF。
這里還說說自己的一點(diǎn)經(jīng)驗(yàn)。對(duì)于word轉(zhuǎn)PDF，一般都采用PDF打印軟件，就是在word“打印”中選擇相應(yīng)的打印機(jī)直接就打印成PDF，如下圖。我用過Word to PDF Converter，效果很不錯(cuò)，但是它不免費(fèi)，而且上次碰到一個(gè)字的字體嵌入錯(cuò)誤（悲催的是這個(gè)字好像沒法改變字體而這里譯言也沒法輸入，字見）。Word to PDF Converter安裝后會(huì)在word工具欄生成圖標(biāo)，見下圖。PDF Factory Pro的功能和效果也不錯(cuò)（但是對(duì)DFKai-SB字體不支持，那可是我的大愛）。Tiny PDF這種在視覺效果上又輕度那啥了。
下載：Word to PDF Converter v3.0及其破解與配套驅(qū)動(dòng)，pdfFactory Pro 4.10 簡(jiǎn)體注冊(cè)中文版及其破解。破解版殺軟可能報(bào)毒，需要從殺軟中排除。
如果你使用的是word2010，恭喜你，它已經(jīng)能夠直接另存為PDF。Word2007弄個(gè)加載項(xiàng)Save As PDF and XPS也可以直接另存為（下載2007 Microsoft Office Save As PDF and XPS加載項(xiàng)）。
另外，具體的使用過程中你可能還會(huì)遇到別的神馬問題。比如在word“幫助”—“關(guān)于Microsoft Office Word”—“禁用項(xiàng)目”中發(fā)現(xiàn)Word to PDF Converter被禁用了。
真的是最后，譯言很多朋友會(huì)遇到在圖片上翻譯的情況，這時(shí)可以用用SnagIt （下載SnagIt 8.0.1 漢化精簡(jiǎn)免安裝版）。
不忘友情提示，譯言的朋友可能面對(duì)屏幕持久而專注，特別是幫別人找錯(cuò)的時(shí)候，所以不妨把窗口設(shè)置成蘋果綠（好像對(duì)word、txt窗口效果不錯(cuò)）。具體顏色如上邊圖片所示，據(jù)說對(duì)眼睛最好。
聯(lián)系客服
