作为历史文献的一个重要部分,民国报刊无论从内容还是形式上来说都有其独特的地位,对于人们了解民国历史,进行爱国主义教育具有十分深刻的积极意义。如今,随着时代的变迁,很多民国报刊都面临着遗失或是损坏的危险,本着保护历史文化,抢救珍贵文献的目的,民国报刊的数字化有着十分重要而紧迫的意义。人们对报刊很熟悉,但其格式相当复杂,文章长短不一,并且分布在各个不同的页面和版面中,另外还有照片、图表等辅助信息,要确定这些内容的优先权高低是很复杂的。民国报刊一般印刷在质量低劣、宽大的纸张上,很多历史性报刊只能在缩微胶片上找到。所有这些因素都使得报刊的数字化很困难。所以,数字化图书馆直到最近才开始大量的对报刊进行数字化加工。最好的数字化报刊的方法还没有被设计出来,其使用范围也没有像图书和图片那么广,目前存在许多种对报刊进行数字化的方法。无论采取哪种数字化的方法,扫描文献并进行文字识别都是其十分重要的步骤。虽然文字识别(OCR)技术已经发展的比较成熟,市面上也有各种类型的基于OCR技术的文字识别工具,然而探讨OCR软件的界面设计或是在文字识别中的应用的文章大多为经验之谈的一般报道和供应商方案,所提供的资料,并无严谨的研究方法,主张亦是众说纷纭。怎样和历史文献的数字化加工更加契合,怎样能提高加工质量,加快加工速度却是我们十分值得探讨的话题。本文首先阐述了本论文的研究背景及研究意义,并简要介绍了期刊数字化基本概念、国内外发展状况;紧接着针对OCR技术展开了一般性分析,阐述了OCR的发展历史、基本概念、实现原理与过程、典型应用以及竞争优势等等;然后探讨了图像获取的关键技术指标,总结了最佳的图像获取参数;随后对OCR软件在民国期刊中的应用作了一般性的研究,总结了相关策略;随之引出了OCR识别系统的界面设计实例,并做了大量的后期测试工作,以完备的数据总结了一些基本原则与措施。最后在结束语中回顾了本论文写作期间的主要工作并对一些今后工作进行了展望。除了提出相应的解决方法与思路以外,本文的亮点还在于大规模的样本数据测试研究。经十万字左右、质量水平不等的文本测试表明,本文提出的方法对于不同质量文本的识别性能和识别速度有不同程度的提高,尤其是对于质量比较低、版面内容比较复杂的文本(民国年代的文本数据),其识别正确率达90%左右,比已有方法提高了约九个百分点,误识率降低了约四个百分点,效果明显。同时,在识别操作时间方面也有不同程度的明显减少。本文的创新之处在于创造性的针对民国报刊的实际需要提出了相关的解决方法,重点在于软件的界面设计方面。通过提出符合实际操作需要的个性化的界面设计,提高了OCR识别效率,减少了工作时间。对于普及OCR软件在历史文献中的运用,指导历史文献的数字化制作,特别是我国图书馆的馆藏资源的数字化具有积极的意义。