《管锥编》校读日记01

观者

书友“哲人王”要我校对制作钱锺书的《管锥篇》，四卷2400余页。手中正在制作《追忆似水年华》是应书友“云可赠人”之邀制作的，也有7卷3000余页。做完《追忆》第二卷之后，把《管锥编》的第一册OCR了出来。
我用清华紫光的TH－OCR 9.0，原本想在OCR的过程中校对一遍文字，这样，在word 2007中排版时就是第二校了，文本的质量更能保证一些。可是，眼高手低，只O校到正文的第5页就烦了。这是本繁体夹杂大量不同语种的外文的书，在清华紫光做版面分析前要手动将区域缺省字体设置成“繁体全字集”，640余页重复的单调劳动已经叫人抓狂。O校时，对于大量清华紫光不支持的外文字符标注就成了不可能的任务。
只好放弃第一遍的O校，将整本书批量识别成文字，导出成纯文本的TXT，用文本整理器v3.0整理一下标点符号，备用。
昨天，《追忆似水年华》的第三卷《盖尔芒特家那边》校读过半，那冗长晦涩的文字把我的理解力折磨得神思恍惚。换换脑筋，一有助于加强理解力，不至于读而不思；二有助于摆脱机械校对，减少忽略的错误。所以，决定开工制作《管锥编》。交错前进，校对不累。
新建word文档，命名为“管锥编01”，打开PDG格式的《管锥编》，拖到左边的屏幕上。先看版权页，开本尺寸是880×1230毫米，32开。880÷4＝220，1230÷8＝153.75。忽略掉切口，这本书的大小是154毫米宽，220毫米高。在word的页面设置中，把纸张大小设置为154×220，页边距，上下左右都暂时给定为2。书的大小出来了。
  
下一步是设定版心的大小。找一页满版无注的原书，P107，在word中查找“以靡靡”，找到相应的文本，在“詠”前面添加分页符另起一页，进入页面设置调整页边距的左右两项，调整到2.7时，恰好“詠”在行首，“蕩”在行尾。行宽确定。
校对本页，并不是每的首尾都是恰好的，要用字体－字符间距中的间距调整字距。比原书多的减，比原书少的加。一般多出一字的，整行减少0.2磅，多出到下行的字就能调上到本行；同样，少一字的，整行增加0.2磅，就和原书对应了。
校到本页最后行，就可以调行距了，大多数5号字正32开或大32开的书可设定行距为固定值17磅，恰和原书符合。这本书的行距较稀（书商多赚了不少），多出5行，调整到固定值19磅，“永言……心，聲”一行恰好对应原书成为本页的最后一行。
这样，书页大小和版心的大小就都调整好了。一页和原书基本一样的电子书初具雏型。未来读书者可以直接引用：“《管锥编》，三联书店2007年版，107页，2－5行”了。
（待续）

  　　

wrin

平时识别后校对是个麻烦事儿。
我用过几种OCR软件，一直以为汉王7600的校对最方便。是否这样？
(我OCR简体中文书较多)

lll999888

好佩服楼主啊！！校对工作需要耐心细心认真至极才行！！

观者

引用第1楼wrin于2009-06-02 06:58发表的 :
平时识别后校对是个麻烦事儿。
我用过几种OCR软件，一直以为汉王7600的校对最方便。是否这样？
(我OCR简体中文书较多)

不敢说汉王不好，只是自己入手清华很早，用惯了。其实每个人评价某一款软件时，总是因为一或几个功能投合自己的脾胃就推崇备至；又因为很多的功能的技巧没有掌握而对这款软件大张挞伐。所以，我不评价软件，尤其是功能很多的大软件，只是说说自己习惯了的和喜欢的好处罢了。清华紫光的一个小小的好处是可以把多页面导出成一个txt，就不用再用其他软件合并几百个单个文本了。

wrin

引用第3楼观者于2009-06-02 07:27发表的 :
清华紫光的一个小小的好处是可以把多页面导出成一个txt，就不用再用其他软件合并几百个单个文本了。

这个功能7600也有，且可以自动分段。
OCR时我对段落格式要求不高，所以感觉自动分段挺实用的。

没试过汉王对繁体的识别怎样。
但简体没说的，清晰PDG用老马的PDG2PIC转为图片后，OCR几乎没什么错误。

最喜欢它可以两行(文本与原文)同时显示，校起来省事。

bulunuo

佩服，祝福。虽然已经有了纸本书。但电子版也有方便之处呀。感谢观者兄辛苦。