有好几天没更新头条文章了。

原计划每天5-10篇文章，其中《民国列女传》每天5个人物，《民国老照片》每天5张照片、每天一篇介绍《趣味历史》软件的功能和历史人物分类、微头条若干。

中断了这几天，是因为最近有了点灵感，要写一个新的程序，一个把竖排、繁体、无标点的古籍自动转换为横排、简体、有标点的文字的软件。

1）市面上有成熟的pdf转图片功能，有OCR文字识别服务（支持竖排），有龙泉寺提供的自动加标点的网站，二者相结合，就可以把竖排、繁体、无标点的古籍pdf，自动转换为横排、简体、有标点的文字。注意，是文字版本，而不是之前扫描的图片。

有了文字就可以全文检索。

2）针对于哪些古籍呢？

扫描《资治通鉴》？网上已经有文字版本了，可以用来做准确度测试工具。

不针对于现代人和当代人的著作，会涉及到版权问题。

针对的主要方向，是那些目前网上没有文字版的古籍，比如说历朝历代的文人笔记，各地的县志，里面记载了大量的史料，是正史里面没有的。把这些内容转换成文字，录入到素材库，可以为自媒体人提供更多的写作素材。

目前在解决的几个问题：

1）把多张图片拼接在一起去OCR扫描，能节省成本。看了一下几大厂商各自的OCR价格，量大的话，也是一笔不小的银子，因此怎么能做到拼接尽可能多的图片，而又不失真，导致降低扫描精度，是研究的一个方向。

2）把这些步骤串起来，成为一条龙服务，有可视化操作界面，中间任何一个步骤出错、任何一张图片出错，都有对应的重试和容错机制。

3）扫描后生产的文字段落，进行排版，可以在可视化软件中，手动调整段落的顺序和级别，更正错字。

如果您对我在做的这个事情感兴趣，欢迎可以参与进来。