LEXCN · ARTICLE

古籍OCR怎样核对：把识别疑字、断句和原书异文分开

古籍影像转成可检索文字后，查找术语更方便，但识别文字不等于已经校勘。异体字、竖排、多栏、夹注和图表都可能让识别结果偏离版面。检索命中能帮助找到位置，最终引用仍应回到相应书影。不能因为文字已经可以复制，就把每一个字都视…

OCR的用途与限度

古籍影像转成可检索文字后，查找术语更方便，但识别文字不等于已经校勘。异体字、竖排、多栏、夹注和图表都可能让识别结果偏离版面。检索命中能帮助找到位置，最终引用仍应回到相应书影。不能因为文字已经可以复制，就把每一个字都视作古籍原貌。

页面漏了一整列，属于版面顺序问题；形近字识错，属于字符识别问题；两个版本同一位置确有不同字，才可能进入异文比较。还有一种情况是原书字相同、现代标点不同，导致语意分段改变。把这些层次混写为“古籍版本不同”，会夸大实际发现。

下表以“己、已、巳”作为形近字训练材料，不指称某部书实际存在这些错字。遇到疑字时，先看笔画开口和相邻字，再读整句语法，最后与同页同字形比较。上下文可以提出候选，但不能在图像模糊时替代图像证据，直接宣布唯一答案。

保留识别原文、图像位置、候选改字、理由及核对状态。确定修正时记录谁在何时核对了哪一页；只有自动识别或上下文推测时，就按实际状态说明。发布本站文章时可使用已经核清的片段，其余部分不必为了凑齐全文而擅自修补。

古书可能没有现代标点，编辑加入逗号和句号会影响理解。原句引用与本站断句说明应分别表示；夹注若被识别成正文，更要恢复层次。解释者可以提出自己的读法，但不能把现代推断塞回原文，并让读者以为这是古书已有的明确表述。

本站专题只使用与论点直接相关、能够定位的短段落，再附原创解释、表格或演算。来源页记录核对范围，读者可先在本站理解，再去原始影像复核。这样既利用OCR的检索效率，也让疑字和未核部分保持可见，不以“全本已收录”代替真正的文字质量。

形近字是训练材料，并不指称某部古籍发生了这些具体错字。

2026-09-19 · 新增完整专题、演算或来源导读。原创正文、所列资料与确定性教学表核对；非古籍全本校勘或现实预测验证。

乐测命理整理 · 发布于 2026-09-19 · 更新于 2026-09-19