搭建日语书籍OCR工作流：briss+Acrobat

这篇稍稍有点硬核，需要各位掌握基础的命令行操作（或者至少知道终端/命令提示符怎么打开）。

毕竟……

1. ABBYY/Acrobat单软件OCR工作流的问题

起因是这样的，我们教授要搞读书会，书籍通过扫描件的方式分享给参加的人。

又因为我在所有文档导入之前会喜欢先过一遍OCR，所以之前一般我会使用Acrobat先处理一遍。

但是Acrobat对于日语的识别经常不是很精确，所以我转向了被许多人吹爆（MarginNote本身也集成了）的ABBYY。

只是ABBYY Findreader Pro的效果让我感觉这是个假软件……

但是我很喜欢ABBYY的“在OCR的过程中自动把整张页面分成两个部分”的功能。我记得Adobe是没有的。（事实上它确实没有）

然后我搜索了一下有没有什么奇怪脚本可以实现这个功能——在Adobe社区里面找到了一个第三方写的脚本，$40.

在？抢个银行？

那么，有没有一个工作流既能够享受到分割单页带来的阅读上的方便，又能够利用Acrobat更加准确的OCR结果？

2. briss的引入

briss是一个Java应用，需要Java环境才能运行。

briss唯一的功能就是分割页面。载入文件之后，briss会分析页面排版，然后提取出重叠最多的部分形成切割矩形。可以通过左上角和右下角的手柄调节矩形大小和位置，也可以直接在页面上拖动新建范围。（briss不会修正倾斜页面）

在macOS上使用briss有两种方式：第一种是从网站上(https://sourceforge.net/projects/briss/)下载jar，然后通过终端的java -jar [briss.jar路径] [pdf文件路径]运行；另一种方式是通过homebrew安装briss（brew install briss），然后直接使用briss [pdf文件路径]运行。

在Windows上只能先安装Java SRE/JDK，下载briss，然后运行jar文件。

虽然briss有启动后再选择文件的功能，但是那个界面实在是太低效了，我个人更推荐命令行方式。

完成调整之后，选择Action>Crop PDF就可以导出。

导出之后，得到了单页的PDF文件，接着可以再使用Acrobat打开进行正常OCR操作。

总结

Adobe躺着赚钱，惹得百姓怨声载道