跳转到主要内容
C# 示例仅适用于 Windows 版 FRE。
ABBYY FineReader Engine 允许您为识别语言附加各种类型的词典，从而显著提升识别质量。

​
字典类型

字典可分为多种类型：
对于具有内置字典支持的预定义语言，系统已提供这种类型的字典 (请参见预定义语言列表中的注释) 。此外，某些语言还提供了打包在 .zmd 存档中的专业术语字典 (例如医学和法律术语字典) 。标准字典由三个或四个文件组成。这些文件的名称通常与语言的全称或简称相同，扩展名为 .amd、.amm、.amt 或 .ame。其中，扩展名为 .amd、.amm 和 .amt 的文件始终存在。它们存储在以下文件夹中，且不能更改：Data/ExtendedDictionaries (Linux)、Resources/ExtendedDictionaries (macOS)、Data\ExtendedDictionaries (Windows)。ABBYY FineReader Engine 不提供 .ame 文件：这是一种用于存储字典扩展的格式，也就是用户添加到字典中的单词。您可以在 ABBYY FineReader 中创建字典扩展 (在其中称为用户字典) ，然后将生成的文件复制到上面提到的 ABBYY FineReader Engine 文件夹下的目录中 (或者，也可以在 ILanguageDatabase::DictionaryExtensionsPath 属性中指定其完整路径) 。ABBYY FineReader 将标准字典的扩展存储在 %appdata%\ABBYY\FineReader\15\FineReaderShell\UserDictionaries 中。字典扩展可通过 ILanguageDatabase::OpenDictionaryExtension 方法在 ABBYY FineReader Engine 中进行编辑。这种字典类型由 StandardDictionaryDescription 对象描述。
可使用 Dictionary 对象创建。Dictionary 对象允许您通过其方法添加和删除单词。在 Windows 中，Dictionary 对象还允许您借助 Dictionary 对话框 编辑字典。该对话框支持导入任何采用 Windows ANSI 或 Unicode 编码的文本文件 (唯一要求是单词之间必须用空格或其他非字母字符分隔) 。这种字典类型由 UserDictionaryDescription 对象描述。
FineReader Engine 中的用户字典采用 .amd 文件格式，可为任何语言创建。对于不支持字典的语言，它可以替代标准字典。ABBYY FineReader 的用户字典在 FineReader Engine 中称为字典扩展；它是 .ame 文件，并且只能为支持字典的语言创建，作为该语言标准字典的扩展。
指定用于定义某种语言中哪些单词允许出现、哪些单词不允许出现的规则。这种字典类型由 RegExpDictionaryDescription 对象描述。
允许您实现自己的字典类型。此类字典以 IExternalDictionary 接口的形式表示，并在客户端实现。有关创建外部字典的指导，请参见该接口的说明。这种字典类型由 ExternalDictionaryDescription 对象描述。
ABBYY FineReader Engine 提供了 DictionaryDescription 对象，用于描述所有类型的字典。它是一个基础对象，不同字典类型的描述均继承自它。 所有这些字典描述都是 DictionaryDescriptions 集合中的元素。

​
创建字典描述

要创建字典描述，可使用 DictionaryDescriptions 对象的 AddNew 方法。该方法返回对 DictionaryDescription 对象的引用。要获取对描述相应字典类型的对象的引用，请使用 DictionaryDescription 对象的 GetAsStandardDictionaryDescription、GetAsUserDictionaryDescription、GetAsRegExpDictionaryDescription 和 GetAsExternalDictionaryDescription 方法。

​
字典属性

对于每个字典，都必须指定其标识属性：
  • 对于标准字典 (StandardDictionaryDescription) ，请指定其 LanguageId 属性，该属性定义语言 ID。
  • 对于用户字典 (UserDictionaryDescription) ，请指定其 FileName 属性，该属性提供用户字典的路径。
  • 对于基于正则表达式的字典 (RegExpDictionaryDescription) ，请使用 SetText 方法指定正则表达式。请参阅使用 ABBYY FineReader Engine 正则表达式。
  • 对于外部字典 (ExternalDictionaryDescription) ，请使用 SetDictionary 方法指定字典。
所有类型的字典都带有一个权重。字典的权重会影响识别过程中检测到的该字典中单词的权重。权重参数以百分比表示，且必须为非负数。权重为 0 并不自动意味着不存在这样的字典。允许使用超过 100% 的权重，但使用此类参数时必须格外谨慎。权重通过 IDictionaryDescription::Weight 属性指定，默认值为 100。 标准字典还具有 CanUseTrigrams 选项，用于允许或禁止程序使用基于所选字典构建的三元字母组合。三元字母组合是由三个字母组成的组合。并非所有这类组合都会出现在真实单词中。包含非字典三元字母组合的单词很可能无法发音。三元字母组合用于剔除不可靠的单词。我们建议对“通用”标准字典启用三元字母组合，而对术语字典禁用该选项。

​
识别语言的字典

文本识别语言 (TextLanguage 对象) 既可以有包含该语言词汇的字典，也可以有包含禁用词的字典。前者是为文本语言的每种基础识别语言指定的，可通过 IBaseLanguage::DictionaryDescriptions 属性访问。基础语言也可以不附加任何字典。禁用词字典则通过 ITextLanguage::ProhibitingDictionaries 属性直接附加到文本识别语言。 如果您希望识别过程中只允许使用字典中的词，请将 IBaseLanguage::AllowWordsFromDictionaryOnly 属性设置为 TRUE。在这种情况下，如果某个词在基础语言的字典中找不到，则只有在 ABBYY FineReader Engine 未找到任何字典中的候选词时，它才会出现在识别结果文本中。

​
如何将字典附加到识别语言

  1. 使用一种可用的方法创建 TextLanguage 对象 (例如，LanguageDatabase 对象的 CreateTextLanguage 方法) 。
  2. 获取新文本语言的基础语言集合 (使用 BaseLanguages 属性) 。
  3. 创建一个新的 BaseLanguage 对象，并将其添加到基础语言集合中。
  4. 获取新基础语言的字典描述集合 (即 DictionaryDescriptions 属性) 。
  5. 创建一个字典描述，并将其添加到该基础语言的字典描述集合中。使用 DictionaryDescriptions 集合的 AddNew 方法。
您可以创建多个不同类型的字典，并将它们添加到同一个基础识别语言的 DictionaryDescriptions 集合中。
  1. [可选] 指定所创建字典的权重。
  2. 指定字典的标识属性：标准字典使用 LanguageId 属性，用户字典使用 FileName 属性，基于正则表达式的字典调用 IRegExpDictionaryDescription::SetText 方法，外部字典调用 IExternalDictionaryDescription::SetDictionary 方法。
  3. [可选] 指定 BaseLanguage 对象的其他属性。
  4. [可选] 使用 TextLanguage 对象的 ProhibitingDictionaries 属性设置禁止字典。
  5. 将创建的 TextLanguage 对象赋给 RecognizerParams 对象的 TextLanguage 属性。
要在 Windows 中实现这些步骤，请参见下面的代码示例。 
// 全局 ABBYY FineReader Engine 对象
FREngine::IEnginePtr Engine;
// LanguageDatabase 对象
FREngine::ILanguageDatabasePtr languageDatabase;
...
// 创建一个 TextLanguage 对象并获取其基础语言集合
FREngine::ITextLanguagePtr pTextLang = languageDatabase->CreateTextLanguage();
FREngine::IBaseLanguagesPtr pBaseLangCollection = pTextLang->BaseLanguages;
// 创建一个 BaseLanguage 对象并获取其字典描述集合
FREngine::IBaseLanguagePtr pBaseLang = pBaseLangCollection->AddNew();
pBaseLang->InternalName = L"SampleBaseLanguage";
pBaseLang->PutLetterSet( FREngine::BLLS_Alphabet, L"abc123" );
FREngine::IDictionaryDescriptionsPtr pDictDescCollection = pBaseLang->DictionaryDescriptions;
// 创建一个标准字典描述并将其添加到集合中
FREngine::IDictionaryDescriptionPtr pDicDescription =
 pDictDescCollection->AddNew( FREngine::DT_SystemDictionary);
// [可选] 指定所创建字典的权重
pDicDescription->Weight = 100;
// 指定字典的标识属性
FREngine::IStandardDictionaryDescriptionPtr pStandardDic = pDicDescription->GetAsStandardDictionaryDescription();
pStandardDic->LanguageId = FREngine::LI_EnglishUnitedStates;
// [可选] 指定 BaseLanguage 的其他属性
pBaseLang->AllowWordsFromDictionaryOnly = VARIANT_TRUE;
// 创建一个 RecognizerParams 对象
FREngine::IRecognizerParamsPtr pParams = Engine->CreateRecognizerParams();
// 将创建的 TextLanguage 对象赋给 TextLanguage 属性
pParams->TextLanguage = pTextLang;
...

// 全局 ABBYY FineReader Engine 对象
FREngine.IEngine engine;
// LanguageDatabase 对象
FREngine.ILanguageDatabase languageDatabase;
...
// 创建一个 TextLanguage 对象，并获取其基础语言集合
FREngine.ITextLanguage TextLang = languageDatabase.CreateTextLanguage();
FREngine.IBaseLanguages BaseLangCollection = TextLang.BaseLanguages;
// 创建一个 BaseLanguage 对象，并获取其字典描述集合
FREngine.IBaseLanguage BaseLang = BaseLangCollection.AddNew();
BaseLang.InternalName = "SampleBaseLanguage";
BaseLang.set_LetterSet( FREngine.BaseLanguageLetterSetEnum.BLLS_Alphabet, "abc123" );
FREngine.IDictionaryDescriptions DictDescCollection = BaseLang.DictionaryDescriptions;
// 创建标准字典描述并将其添加到集合中
FREngine.IDictionaryDescription DicDescription = DictDescCollection.AddNew( FREngine.DictionaryTypeEnum.DT_SystemDictionary );
// [可选] 指定所创建字典的权重
DicDescription.Weight = 100;
// 指定字典的标识属性
FREngine.IStandardDictionaryDescription StandardDic = DicDescription.GetAsStandardDictionaryDescription();
StandardDic.LanguageId = FREngine.LanguageIdEnum.LI_EnglishUnitedStates;
// [可选] 指定 BaseLanguage 的其他属性
BaseLang.AllowWordsFromDictionaryOnly = true;
// 创建一个 RecognizerParams 对象
FREngine.IRecognizerParams recParams = engine.CreateRecognizerParams();
// 将创建的 TextLanguage 对象赋值给 TextLanguage 属性
recParams.TextLanguage = TextLang;
...

​
缓存字典

缓存字典是一种小型字典 (约含一百个词) ，可在处理过程中方便地修改。当可以更精确地选择字典时，可以使用缓存字典。例如，如果您在处理过程中发现了有关文档的新信息，就可以使用缓存字典。这类字典适用于字段级识别。 例如，假设表单上有两个需要识别的字段：城市名称和街道名称。您已经识别出了城市名称，并且有该城市的街道列表。在这种情况下，您可以加载包含街道名称的相应缓存字典，从而更快、更准确地识别街道名称。 ABBYY FineReader Engine 提供了 FRPage 对象的 AddWordsToCacheDictionary、AddWordToCacheDictionary 和 CleanCacheDictionary 方法，用于操作缓存字典。
要使用缓存字典，您应将 IEngine::AutoCleanRecognizerSession 属性设置为 FALSE。默认情况下，AutoCleanRecognizerSession 属性设置为 TRUE，这意味着 FineReader Engine 会在每页识别完成后清理识别会话，在这种情况下，缓存字典也会一并清理。为防止用户数据被意外销毁，FineReader Engine 禁止在此模式下使用缓存字典。如果您使用缓存字典，则需要由您在必要时调用 IEngine::CleanRecognizerSession 方法手动清理识别会话。有关何时需要清理识别会话，请参阅该方法的说明。

​
另请参阅

处理语言 识别包含空格的单词