自炊書籍を分離したいのです。
★
わかりやすい本として「Ｑ＆Ａ300問」という本があります。これは約700頁あります。自炊目次は、次のように章立てとなって2階層となっています。
第1章 総則
1問 ＊＊＊ …〇〇頁
2問 ＊＊＊ …〇〇頁
第2章 各論1
3問 ＊＊＊ …〇〇頁
4問 ＊＊＊ …〇〇頁
300問 ＊＊＊ …〇〇頁
この＊＊＊タイトル毎に分割し、且つこのタイトルをファイル名にしたい。
（分割後のファイル名を「しおり」にする方法がわかりません）
★
★
私が推測するには、1「既存の目次からしおりを生成する」が頼りになると考えました。2だから、この既存の目次が正確でなければならない。そこで、既存の目次をＯＣＲしたものをワードに落として丁寧にチェックして差し替えるほうがいい。3その際頁番号は無関係。と考えました。
★
しかし、うまくいきません
★その他
スキャンしてOCR化しているので、テキスト化は完全ではありません。
バラバラにして検索が目的であるから、はしがき・索引・あとがきは削除しています。また、N章の末紙の白紙には頁数が書かれているが邪魔だから削除しています。頁番号は、ほとんど100％フッター中央にあります。
目次に頁番号が振られ、本文にもその連続した頁番号が振られている書籍がある。
例 目次1・2・2、本文4・5・5…
いっぽう、本文に独立した頁番号振られることもあり、これが多い。
自炊目次を置き換え・はしがき等を削除すると、1ワード目次と、2自炊本文の2つになる。
1ワード目次には頁番号を無視しているし、自炊本文は連続していない場合がある。
