IdxSubOcr(sub字幕转srt工具)使用教程.pdf

IdxSubOcr使用教程——dert112233于2010年11月22日晚一、引子IdxSubOcr说明：功能：一个专门用来OCR（光学字符识别）Vobsub格式字幕的软件，能够将idx/sub格式的字幕转成srt格式，并提供srt格式校对功能。OCR引擎为微软Office所带的MicrosoftOfficeDocumentImaging(MODI)，支持英文、简体中文、繁体中文、日文。动机：目前已经有一些免费的字幕OCR软件，英文的可以用Subresync，中文的可以用SubOCR。但是在使用了这些软件后，我还是决定开发IdxSubOcr，理由如下：希望能够使用方便性方面有所改善。Subresync自带的OCR引擎的识别率很棒，但是每次都要敲几十个字母实在太麻烦；而且还不支持中文字符。SubOCR实在太庞大，而且在某些机器上运行出错。在简体中文Office2007下用MicorsoftOfficeDocumentImaging(MODI)做OCR的步骤为：1.先确保MODI已经正常安装。Office2003的缺省安装是第一次使用MODI时安装，Office2007的缺省安装是不装或第一次使用MODI时安装，如果你已经安装了完整版的office2003或者office2007，但是没有此组件，你就必须添加此组件。添加如下图：1.1放入office安装光盘（如果是虚拟光驱就是加载光盘镜像文件），因为MicorsoftOfficeDocumentImaging(MODI)组件要从光盘安装。-1-图11.2进入控制面板点击“添加或删除程序”图21.3选择office2007（如果你的是office2003，同样操作）图31.4选择添加或删除功能，然后点击继续-2-图41.5选择“office工具”>MicrosoftOfficeDocumentImaging下面的MicrosoftOfficeDocumentImagingWriter，改为从本机运行，然后继续，中途可能会要求你选择指向office光盘，很快安装就能完成。-3-图52.设置MODI2.1如图6所示打开MODI程序图62.2打开后，先选择“工具->选项”，对OCR选项进行设置。常规设置是去掉“自动拉伸”、“自动旋转”选项，再选择合适的语言。图7图8-4-与其他商业OCR软件相比，MODI具有下列特点：支持多页TIFF。某些OCR只支持单页TIFF，OCR以后还需要对结果进行合并。当然MODI支持的TIFF页数也不是无限的，我个人的经验是不要超过300页。单页TIFF文件可以用免费的TiffToy合并成多页TIFF，然后再用MODI进行OCR。TiffToy合并时可以选择每合并多少个文件生成一个新文件。中文标点、文本段落保持得比较好，后期校对省了很多事。支持的语言比较多，Office支持的语言基本都支持。但是这一点对大多数用户来说无法体会，因为正常情况下，MODI只支持英文和当前Office语言（如简体中文、繁体中文）的OCR，要想支持更多的语言，需要进行一些设置，这就是本文所要讨论的内容。要想让简体中文Office2003能够OCR繁体、日文、韩文，需要做的工作包括两个方面：安装相关语言的OCR模块。MODI本身可以看作一个外壳，真正的OCR功能需要靠不同语言的模块实现。每个语言模块包括相关DLL文件和数据文件，需要复制到MODI的安装文件夹下。告诉MODI，目前有哪些语言的OCR模块可以使用。这个需要更改注册表，更改后在MODI的OCR选项里即可选择对应的语言。2.3繁体中文配置找一台安装了繁体中文Office2007的机器，进入MODI的安装文件夹，缺省为（此步不用劳烦各位忙摸摸了，我已经找齐了这些文件，并打包成压缩包供大家下载，同理，我的压缩包还包括了繁体中文系统配置简体的设置）：C:\ProgramFiles\CommonFiles\MicrosoftShared\MODI\12.0将下面的文件复制到安装了简体中文Office2007的相同文件夹下：TCCODE.UNITCPRINT.DATTCPRINT2.DATTCSERHT.DAT-5-TCTREE.DATTW_BU.DATTW_UB.DATTWBIG532.DLL复制完成后，用记事本创建一个reg文件，把下面内容粘贴后存盘：WindowsRegistryEditorVersion5.00[HKEY_CURRENT_USER\Software\Microsoft\Installer\Components\61BA386016BD0C340BBEAC273D84FD5F]"1028"=hex(7):28,00,26,00,48,00,42,00,56,00,6e,00,2d,00,7d,00,66,00,2