语料工具_语料采集工具_语料清洗工具_语料对齐工具

ABBYY FineReader

ABBYY FineReader是一款OCR软件，可以进行文件识别、自动保留排版格式，后台批处理识别等功能。用户可以利用ABBYY FineReader进行对不可编辑文本的扫描，如图像、PDF等格式的语料，以获取Microsoft Word等格式的可编辑的文档。

点击

天若OCR文字识别

天若OCR文字识别是一款界面简洁、功能强大的OCR识别软件，可将图片中的文本转换成可编辑文本，将表格识别后转换成可编辑表格，进行识别翻译、截图及截图标注等，处理图像或PDF等格式语料极为方便。

点击

AntConc

AntConc是一款免费的单语语料检索工具，支持Windows, MacOS等系统，具有索引、索引定位、词丛、搭配、词表和关键词单等多种功能，界面简单，方便用户操作，可以极大提高语料检索的效率。

点击

TextForever

TextForever可以用来进行文本HTML到TXT的转换、文件切分、文档合并、文本提取、TXT文件分行、HTML代码整理等功能。在使用Teleport Ultra软件提取网页中的语料后，我们可以使用TextForever软件对所获取的语料进行格式处理，搜集所需格式的语料，两个软件的搭配使用使得语料搜集过程更加方便快捷。

点击

Microsoft Word

微软Word是微软公司开发的一款文字处理软件。相信大家日常办公都会或多或少用到它，其实它还有许多隐藏技能，今天为大家介绍其中之一——语料清洗。

具体来说，利用Ctrl+H快捷键调出查找与替换对话框，点击“更多”，单击勾选“通配符”，借助通配符快速清洗语料。

点击

EmEditor

EmEditor是一个轻量级、可扩展、易于使用的Windows文本编辑器，适用于Windows系统。EmEditor在64位和32位版本中都可用。我们可以在EmEditor软件中利用正则表达式快速清洗语料，具体操作是导入文本后，点击“搜索”，单击“替换”，再勾选“正则表达式”，利用正则表达式清洗语料。

正则表达式学习参考：

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

在线正则表达式测试平台：

https://tool.oschina.net/regex

点击