打造自己的专题检索

wrin

先得感谢老马。无所不能的老马让我们许多枯燥无味的工作变得生动有趣起来。

每每感叹DX的全文检索非常快捷。想找个人物立马就有，而且白纸黑字，引用方便。这是度娘等等无法比拟的。但这种检索往往一找一大堆，有用的信息夹杂其中，鱼龙混杂，分辨也不易。

今年应约整理我们淮安府明清进士资料。过去这些资料也有，但不全、不准、不细。我们想在前人基础上，整理出更为详细的进士资料。这些资料应包括中式时间、生卒、字号、籍贯、履历、著作等。我想提高效率，加快进度，于是这么弄的：

1.找到相关清晰pdg（清晰版转成pdf，ocr更准确些吧），用老马的Pdg2Pic做成双层pdf。转换时要注意简体繁体，对应ocr（繁体模块在这：http://www.readfree.net/bbs/read.php?tid=5638716）。过程很简单，试两下就明白了。因是粗线条检索，没校对（校对方法老马也有介绍：http://www.comicer.com/stronghorse/water/software/proofpdf.htm）。
2.把这些pdf统一放在一个目录下，方便检索。
3.用 pcrobat pro 随便打开一pdf，按ctrl+shift+F，指定你的pdf目录，输入关键字检索吧。这时可用简繁体分别检索下。

这样的检索，再加上DX全文，明实录、清实录等一些文本文件的检索，就够了。一些著名人物，还可先在台北中研院史语所那两个传记资料库中检索下。

比如我的进士检索目录暂放了这些：

贡举志五种(合)_12434186.pdf
光绪淮安府志_13299191.pdf
翰林掌故五种_12431021.pdf
淮安人名辞典_13333441.pdf
江南通志 尹继善黄之隽 清乾隆元年[1736]_国图文本.pdf
江苏省通志稿·选举志_10380777.pdf
明代科举与文学编年_合.pdf
明清江苏文人年表_10287952.pdf
明清进士录_11569435.pdf
明清进士题名碑录索引 （全三册）_10324721.pdf
乾隆淮安府志_13302798.pdf
清朝进士题名录_12049597.pdf
清代官员履历档案全编 30 目录_11459595.pdf
清代吏治史料·目录_合.pdf
清代人物生卒年表_12111293.pdf
清人诗文集总目提要 合_11356601.pdf
山阳诗徵续编 合_13294176.pdf
山阳诗徵 合_12296256.pdf
山阳志遗 吴玉搢 民国11年[1922]_国图文本.pdf
续纂清河县志 刘寿范冕 民国17年[1928]_国图文本.pdf
续纂山阳县志 邱沅王元章段朝端 民国10年[1921]_国图文本.pdf
宣统江苏通志 缪荃孙冯煦 清宣统间[1909-1911]_国图文本.pdf
中国科举辞典_11779299.pdf
中国学术编年 明代卷_13446293.pdf
中国学术编年 清代卷_13429558.pdf

我是想请大家看看，这种检索还有啥可改进的地方？明清人物检索还有什么好书？

nate

赞一个。
有个建议：将每一种资料的出版年代标注出来。我一般是在文件名前标注公元纪年

agent124

既然ocr了就是文本了，为啥还要用pdf?pdf不是适合搜索的。既然是文本，可以转成txt，全文搜索效果最好大概是专门的全文搜索软件（主要是汉语的断词比较麻烦），一般的用windows search也够了。如果只是找关键词，搜索速度最快的是sql server，如果不想为了搜索专门装这个大家伙，可以用UltraEdit，速度也挺快。
另外，楼主说用微软的office做ocr的。个人经验，准确率还是ABBYY Fine Reader高些。楼主说没有校对，那么肯定有无数错字，影响到检索结果的精确性。

wrin

引用第2楼agent124于2015-06-18 10:54发表的 :
既然ocr了就是文本了，为啥还要用pdf?pdf不是适合搜索的。既然是文本，可以转成txt，全文搜索效果最好大概是专门的全文搜索软件（主要是汉语的断词比较麻烦），一般的用windows search也够了。如果只是找关键词，搜索速度最快的是sql server，如果不想为了搜索专门装这个大家伙，可以用UltraEdit，速度也挺快。
另外，楼主说用微软的office做ocr的。个人经验，准确率还是ABBYY Fine Reader高些。楼主说没有校对，那么肯定有无数错字，影响到检索结果的精确性。

没时间校对时最好做成这种双层pdf。否则都不知咋引用错的。
文本检索我用editplus，它指定目录检索也快。

wrin

这种专题检索，文理科通用。且制作一本双层pdf，用老马的pdg2pic只是分分种的事，很方便。

lforl

非常好的应用心得，赞！