語料工具_語料采集工具_語料清洗工具_語料對齊工具

ABBYY FineReader

ABBYY FineReader是一款OCR軟件，可以進行文件識別、自動保留排版格式，后臺批處理識別等功能。用戶可以利用ABBYY FineReader進行對不可編輯文本的掃描，如圖像、PDF等格式的語料，以獲取Microsoft Word等格式的可編輯的文檔。

點擊

天若OCR文字識別

天若OCR文字識別是一款界面簡潔、功能強大的OCR識別軟件，可將圖片中的文本轉換成可編輯文本，將表格識別后轉換成可編輯表格，進行識別翻譯、截圖及截圖標注等，處理圖像或PDF等格式語料極為方便。

點擊

AntConc

AntConc是一款免費的單語語料檢索工具，支持Windows, MacOS等系統，具有索引、索引定位、詞叢、搭配、詞表和關鍵詞單等多種功能，界面簡單，方便用戶操作，可以極大提高語料檢索的效率。

點擊

TextForever

TextForever可以用來進行文本HTML到TXT 的轉換、文件切分、文檔合并、文本提取、TXT 文件分行、HTML 代碼整理等功能。在使用Teleport Ultra軟件提取網頁中的語料后，我們可以使用TextForever軟件對所獲取的語料進行格式處理，搜集所需格式的語料，兩個軟件的搭配使用使得語料搜集過程更加方便快捷。

點擊

Microsoft Word

微軟Word是微軟公司開發的一款文字處理軟件。相信大家日常辦公都會或多或少用到它，其實它還有許多隱藏技能，今天為大家介紹其中之一——語料清洗。

具體來說，利用Ctrl+H快捷鍵調出查找與替換對話框，點擊“更多”，單擊勾選“通配符”，借助通配符快速清洗語料。

點擊

EmEditor

EmEditor是一個輕量級、可擴展、易于使用的Windows文本編輯器，適用于Windows系統。EmEditor在64位和32位版本中都可用。我們可以在EmEditor軟件中利用正則表達式快速清洗語料，具體操作是導入文本后，點擊“搜索”，單擊“替換”，再勾選“正則表達式”，利用正則表達式清洗語料。

正則表達式學習參考：

https://www.runoob.com/regexp/regexp-tutorial.html

在線正則表達式測試平臺：

https://tool.oschina.net/regex

點擊