從黑手不黑心開始：數位文本的製造
- 從網站取得：
- 剪貼網頁：OneNote, Endnote, Evernote。
- 下載網站的資料：HTTrack。
- 操作
- 執行WebHTTrack Website Copier
- 敲一下「下一步」
- 填入「Project name」（名稱）、填入「Project category」（分類）、填入「Base path」（網站儲存的資料夾路徑）-》敲一下「下一步」
- 選擇要進行的「Action」（執行的動作）、填入「Web Addresses （URL）」（填入要下載的網站網址）、選擇「Set options」-》敲一下「下一步」
- 更多選擇（通常可以跳過）-》敲一下「完成」。
- 開始將網站下載到指定的資料夾
- 網站資料：
- 自己製造：
- Scan 掃瞄成圖像檔
- 解析度至少300；若有舊式書名號、私名號，最好調到400。
- 自動掃瞄
- 辨識圖像檔
- Acrobat OCR （學校授權軟體）
- 多語言。
- 中文有時會切掉一行的尾部。
- 自動辨識字體。
- 加上自動翻譯，可以幫助我們閱讀外文、掌握外文材料。
- 操作：
- 讀進檔案
- 敲一下左上方的「工具」選項
- 敲一下跑出來的輔助視窗的「識別文字」選項
- 敲一下「在此檔案中」
- 檢查跳出來的「識別文字」視窗中的選項
- 如需改變文𢓐中的「語言」（文字），請點選「編輯」
- 在「主要OCR語言」中選取文件中的主要語言（文字）
- 選好後，按「確定」
- 按「確定」
- 開始辨識（有些文件會將辨識鎖定，此時需要密碼才能操作)。
- 校正
- 選擇「工具」>「識別文字」>「尋找所有嫌疑元素」。頁面上所有的嫌疑元素文字都會包含在方塊中。
- Acrobat
- 書籤
- 可以利用來進行章節區分，以便快速瀏覽（類似於電子目錄）
- 或標誌頁面
- 重新編頁碼
- 註解
- 可以做圖像研究（？）
- QDA(Qualitative Data Analysis)-》MaxQDA、NVivo、Atlas.ti
- 相關網站：
- 尚書七號
- 有病毒疑慮。
- 辨識率高，大概百分之85以上。
- 未辨識出來的字，可以直接看圖像校正。
- 不認識的字，會以看不見的代碼暫代，但會以不同的代碼暫代：如「劄」、「羣」等。
- 操作：
- 執行程式
- 「文件」-》「系統配置」
- 「獲取新圖像」-》選擇「簡体」或「簡繁混合」
- 「識別」-》選取「自動傾斜校正」
- 「確定」
- 可以利用Acrobat將圖像檔拆成各別的tif檔
- 在Acrobat裏打開檔案
- 「檔案」-》「另存新檔」-》「影象」-》TIFF
- 「文件」-》「打開圖像」-》找到所要的資料夾，可以按Ctrl-A選取裏面所有的檔案。
- 「識別」-》「處理全部文件」-》「開始識別」
- 「校對」
- 自動化處理：MacroExpress
- 學會和電腦說話
參考資料
課程錄影：