我能把字典数字化吗？

Question

我在PDF中找到了一个公共领域的拉丁语<->葡萄牙语字典，我想将其转换为纯文本，解析并用作程序的数据库。然而，在一些测试之后，我有点怀疑。看看original file和resulting text of gocr吧。有没有希望在某种方法上达到99%+的准确性？我想到了reCaptcha的数据库，但我猜它是Google的财产，不是吗？

谢谢!

Answer 1

另一种方法是使用免费提供的字典文件之一，如http://www.brothersoft.com/downloads/dictionary-database.html

Answer 2

或者WordNet。

编辑:我刚刚发现这是一本拉丁语/葡萄牙语词典，所以WordNet显然不好用。