▶
▶
▶
▶
▶
▶
▶
▶
▶
▶
▶
▶
▶
|
流 程 簡 介 |
本會處理經文的方式，主要是採用不同來源兩個以上版本的經文電子檔，利用程式進行比對，再利用看圖校對的方式產生一較正確的經文電子檔，再交由人工校對。這樣的處理方式，在速度及品質上均令人滿意。 |
| 去 點 程 式 |
當我們打算使用掃瞄書本及使用 OCR 技術來產生經文時，第一個遇到的問題就是經文圖檔的「雜點」，「雜點」是指非經文本身的符號，在OCR時，會造成較低的判斷正確率，所以就寫出了這支程式來協助解決這個問題。 |
| OCR Plus |
使用 OCR 判斷的同時，會發現許多常見而重複的誤判。部份可以經由 OCR 自動學習的功能來改善，但不易改善並且有經常規則性的錯誤，就可以使用這支程式來幫忙處理。本程式是由楊忠權先生完成，並授權本協會使用，在此特別感謝！ 也因為這個概念，而得以產生製作「常見錯誤字串取代表」的行動，並將功能整合至「看圖校對程式」之中，以擴大其應用範圍。 |
| 經 文 大 正 藏 格 式 化 |
在經文產生之後，我們希望在經文之中能依大正藏格式加上必要的資料。通常是在每一行之前留上 <冊數> <經號> <頁碼> <欄> <行> 等資料。這些資料在需要查對原書時，能夠讓我們很快的找到出處，對於後序的作業提供很大的方便。而這支程式主要就是針對蕭鎮國先生所提供 25 冊大正藏經文，進行格式化的動作。 ▶▶▶ 詳情請參考 CBETA 資料庫行首資訊規則說明 |
| 檔 案 比 對 程 式 |
在經文校對上，通常是最耗時的一個環節。經由中研院提供檔案比對的技巧與概念，寫出這支能處理相異格式經文的比對程式。利用這程式來比對二分文件，可以很輕鬆的找出二份文件差異處，再利用一些工具，就可以很快的協助我們修改資料。 |
| 常 見 錯 誤 字 串 取 代 |
在經典文字處理的過程中，有許多錯誤的發生，其實都是有因有緣，有跡可尋的。OCR 有 OCR 常見的錯，使用注音、倉頡等輸入法的朋友，亦都有常犯而難以發現的失誤。故在校對的過程中，吸取錯誤經驗，並加以記錄統計，進而設計了各式的「常見錯誤字串取代表」。 除了「常見錯誤字串取代表」之外，亦有各式「缺字代換表」，故將字串取代功能整合至「看圖校對程式」之中，如此在找出不易發現的錯誤之同時，配合看圖功能，可立刻叫出原書圖檔，進而加以比較，加速了處理的速率。 |
| 看 圖 校 對 程 式 |
在校對過程中，查詢原書也是一件花費工夫的事。由於我們已有大部份的掃瞄的圖檔，故寫了本程式，希望能在利用「比對程式」之結果，進行校對時，根據經文中大正藏格式的資料，能立刻在電腦上秀出原書的字，以增進校對判斷速度，並讓沒有書的人亦可進行校對工作。 |
| 文 字 分 析 程 式 |
在大正藏的經文中，除了常見的文字與句點之外，尚有許多其他的符號，其中主要的有校勘數字（有數字的黑圈）、校勘星號（星號）、斷詞小黑點，而較不重要的符號則有一些日本使用的讀音符號，為了讓電腦能協助在現有的經文中自動補入這些符號，於是有了本程式的開發。 |
| 缺 字 處 理 |
缺字處理是很重要的一環，目前有下列的方法在使用中： 網路上常見的組字法 (需了解組字規則) Dr. Christan 在高麗藏用的 &C, &K 表示法 (需要字碼對照表) 今昔文字鏡使用之 &M 表示法 (需有字典資訊) 漢字組字法（中研院資訊所文獻處理實驗室） (需有造字檔及組字規則) 直接使用圖檔表示法 (純文字檔環境不能使用) 使用 Truetype 利用不同字面的方法 (純文字檔不能用) Open98 使用漢字庫，利用漢語大字典之資訊為編碼原則 (需有字典資訊) |
| 文 件 標 記 |
在核心資料加上適當的標記，就可以在各種應用中取得正確而需要的資訊，故標記的設計與標記程式，也是有待研發的項目。 簡單標記介紹 -- CBETA 電子報第四期 校勘版 XML 標記簡介(上) -- CBETA 電子報第五期 校勘版 XML 標記簡介(下) -- CBETA 電子報第六期 |
| 介 面 轉 換 |
研發跨平台技術，希望將核心資料在不同作業平台轉成各種格式，以提供不同需求層面的使用者。 |
| 全 文 檢 索 |
發展全文檢索核心，以提供單機成品及網路展現使用。 本協會提供一些簡單搜尋程式，供使用者下載。 |
| 成 品 介 面 |
用來將核心資料展示出來，變成單機成品或網路成品，以供流通。 |
▶▶▶ 【技術資訊】(網站瀏覽)