数据加工的文件格式
文字格式：TXT、DOC、RTF、XML、HTML、Excel数据表、Access数据库等；图像格式：TIF、JPG、BMP、GIF、PDF、DJVU、CEB等；电子书格式：双层PDF、双层DJVU、双层CEB、OEB、EPUB、XML、HTML网页格式等。
数据加工的质量保障
★保障体系：OCR智能识别、人工一二三校、人机结合对比校方式保障数据质量的万无一失；
★文字录入：错误率控制在千分之三以内，外校质量可控制在万分之三或万分之一，根据客户要求而制定；
★扫描识别：图书、期刊、报纸、文档等印刷品错误率控制在万分之三或万分之一，根据客户要求而制定；
★原样录入：质量控制在五万分之一、十万分之一乃至零，根据客户要求而制定。
数据加工流程
1.图像扫描：
采用科技光学仪器对数据进行扫描，生成TIFF、JPG、PDF等图像文件。
2.图像处理：
对扫描后的图像进行纠偏、去黑边、分页、拼图等处理，更高的还原原图像。
3.影象输入：
将通过扫描仪等光学仪器扫描并已人工处理过的图像链接到OCR软件中，我们所用的先进扫描仪等硬件设备使影像更清晰、扫描的质量更增进OCR处理的效率。
4.图像分析：
利用OCR对图像进行版面分析，比如文字的横向纵向、图片与表格等进行进行区分处理。
5.文字识别：
将分析好的图像OCR进行智能识别并进行人工校对(可先进行纵校再横校)，保证质量减少错误率。
6.结果输出：
经过人工的一二三校，将数据按客户要求的格式输出并根据不同要求排版处理等。
古籍识别案例
《中华大典》，是一部可以和明朝《永乐大典》相媲美的中国古典文化的集成。。《中华大典》的编纂出版，是在继承、弘扬中国类书优良传统的基础上，参照现代科学的图书分类法，以古文献汇编的形式，进行梳理汇编，提供准确的古籍分类资料。是国家重大文化出版工程。我公司参与识别、排版制作电子文件等工作。
 |  |
 | |
我公司针对古籍识别的古繁体字专门有自己的字库，现已更近或没有的字，我们用自己的造字系统造出与原文中一样的字，以更高的还原原文件。例：
