网上流传的TXT格式电子书最初是从哪里流出的？

[老熊猫]

现阶段网上流传的中医电子书，有很大一部分是TXT格式的，而且基本格式一致，比如下面这样。
这个应该是从某个数据库中导出的，所以格式才能一致。 我留意这东西很久了，但是似乎没见到哪里有这个数据库。
所以非常疑问。 哪位高人知道？

这个电子书库大概有六七百本电子书，说明当初还是有人花了力气建立这个数据库。怎么没见中医论坛说这事呢？


<篇名>明医杂着
书名：明医杂着
作者：王纶
朝代：明
年份：公元1502年-1549年

<目录>
<篇名>注序

 

[老熊猫]

据我留意， 曾经把中医古籍建档数据库的人，还真有那么几个人。 比如：

1) 国内某中医研究所的

这个建档不太好，它基本是基于前面700本电子书来搞的，错别相当多，它的文本文件的格式都用h1, h2, h3俩表示。 总之数据不太好，是在别人的基础上建档的。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
唐•孙思邈撰••备急千金要方
建档：中国医药学院中医研究所 张鸿所长
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

2) 陈擎文

这个台湾人也搞了很多中医古籍整理，是繁体。对汉字编码的处理比较好，尤其是一些偏僻古字。
但不知道它的数据来源是什么，我看过一些流出的电子文档(WORD格式)，内容基本正确，这点来说还是不错的。

但是有个缺点是段落排版不好，除了章节分了之外，细节就给忽略了。严重怀疑数据库本身是有具体分段的，流出的文档没有分段。如果是这样，还是做了共享保留。

 

[刘军]

多半是存为纯文本后，丢了格式.很久以前我就有中医古籍650部简体文本了。忘记是从那里下的了。

 

[老熊猫]

多半是存为纯文本后，丢了格式.很久以前我就有中医古籍650部简体文本了。忘记是从那里下的了。

所谓的格式， 要具体对象具体描述。

TXT文件中，格式也就是回车换行，我前面所说的TXT文件中，目录还是基本存在的，只不过它是隐藏在正文中。

数据库中，要看存储的内容是什么格式，比如是否是纯文本，还是RTF格式？ 还是其他非纯文本格式，某些TXT格式电子书中，存在着图片的描述，所以不太可能是纯文本格式。

650本电子书的数据库本身的内容还是比较丰富的。只是见不到真身。资源浪费啊。

 

[刘军]

是丰富，不过其中的书我看的也不多。时间太少，把四大经典读精已经很不错了。

 

[人参]

其实都是从超星里OCR出来的

 

[老熊猫]

我也曾怀疑是从图片文档中OCR出来的，比如某些文档明显缺少某些字，有可能不能识别。
但是是OCR的话，有问题解释不了。例如，文档中都有隐藏的目录，比如<目录> <篇名>注序，等等。
这些东西如果也是OCR的话，就有点说不清楚了。 因为650本电子书的底本都是OCR的话， 那么其底本也是个数据库。

还有，假如空格代表了不能识别的汉字(藁本的藁全是空格)，那么象“浓朴”，“香港脚”， “毒瓦斯”这些明显是文字处理的结果，OCR也解释不了。

这个数据库，有可能和某个出版社有关系。只是怀疑。

 

[采芝]

不知道是谁整理的，不过有些书还是很好的