OCR4all

古籍扫描件上传，自动识别加人工校对，一键导出文本

OCR4all 是一个面向历史文献与古籍数字化的开源 OCR 平台，通过 Web 应用提供从图像预处理、版面分析、文本识别到人工校对与导出的完整工作流。它解决的核心问题是：普通 OCR 工具对老旧印刷体、复杂版面、历史字体识别效果差，且缺少可交互的校对环境。项目集成了多种 OCR 引擎（如 Tesseract、OCRopus 等），允许用户上传扫描图像、自动分割文本区域、选择识别模型，并在浏览器中逐行修正识别结果，最终导出 ALTO XML、TEI 或纯文本。其 Java 后端与 Web 前端结合，适合图书馆、档案馆和数字人文研究者批量处理珍本古籍，降低人工转录成本，同时保留可追溯的校对记录。