Problemfall Wörterbuch

Quelle: Wikipedia, gemeinfrei

Um gute Ergebnisse zu erzielen und Fehler zu minimieren, benötige ich für »Bunte Bilder aus dem Sachsenlande« ein gutes Wörterbuch, bzw. eine Wortliste.

Es gibt zwar im Netz einige Quellen für Wörterbücher um 1900, zB.:

(Danke an der Stelle @LupinoDotOrg und @Schplock für ihre Hilfe)

Das Problem ist, daß diese Wörterbücher die Schreibung des 'langen-s' nicht unterstützen.

Zwar gibt es die Möglichkeit Regeln der Schreibung des 'langen-s' anzuwenden und ein existierendes Wörterbuch zu verwenden.

Ich habe mich nach langem Hin und Her aber entschieden, die Wortliste selber zu pflegen. Das folgende Script extrahiert dazu die Wörter aus angegebenen Texten, zum Beispiel voll korrigierte OCR-Ergebnisse der ersten Seiten.

#!/usr/bin/perl -w
#
# takes txt-files per commandline
# splits them into words, sort them alphabetically
# prints on stdout
#
use strict;
use utf8;
my %freqs;
binmode(STDOUT, ":utf8");
use open qw/:std :utf8/;
foreach my $line (<>) {
    my @tmp = split (/[ \t.,;:»«!?_–*()0-9]+/, $line);
    foreach my $w (@tmp) {
        $w=~s/\n//g;
        if ((length $w) > 1) {
            $freqs{ $w } = 1;
        }
    }
}
foreach my $word (sort {lc($a) cmp lc($b)} keys %freqs) {
    print "$word\n";
}
Diese Liste kann dann sowohl für Tesseract verwendet werden, als auch als Hilfe zur Nachkorrektur. Der nette Nebeneffekt ist, daß beim Durchsehen dieser Wortliste einem Fehler eher auffallen als in den Texten, aus dem diese erzeugt werden.

Hier der aktuelle Stand (basierend auf ersten 10 Seiten):

 Abb
Abbildung
Abbildungen
Abend
aber
abwärts
abſchüſſigen
achthundertjährigen
Ackerbürger
Adorf
Adventsumgänge
Ahnen
Ahnherrn
Albert
Albrechts
Albrechtsburg
Alfred
alle
allem
allen
Allerlee
alles
Allgemeine
allmählich
als
Als
alte
Alten
alten
alternder
alſo
am
Amtshofe
Amſelfall
An
an
andere
anders
angedeutete
angepaßt
angeſichts
Anna
Annaberg
anregen
Anton
anzuſehen
Anſicht
Anſtrich
Apian
Apian-Bennewitz
Arbeit
arm
Arme
Arnold
Arras
Art
artigkeiten
Artikel
auch
aud
Auen
auf
Auf
Auffaſſungskraft
aufgeſpannt
aufhob
Auflage
Aufnahme
Auge
August
Auguſt
Auguſtusbrücke
Auguſtusburg
Aug’
Aus
aus
ausgeübt
ausgeſchüttet
ausgeſprochenen
außer
auſ
Auſlage
Bad
Baltenberge
Band
Baron
Bau
Baum
Baumeiſter
Baumwollſpinner
Bautzen
Bautzens
Baſtei
Baſteibrücke
bedarf
bedeutendſte
Bedeutung
Begleiter
Behaglichkeit
Beherzten
bei
beigegeben
Beiträge
beiſtimmen
Belebung
belehrend
Belehrung
Bellona
Bennewitz
benneſter
benutzt
berechtigt
berechtigten
bereits
Berg
Berge
Bergeshang
Berghange
Bergſtädtchen
Bergſtädtchens
berichtete
Bernhardt
berückſichtigt
betrachtete
bewaldete
Bewohner
bezeichnen
bezeichnet
Bezug
beſchäftigt
beſte
beſtimmt
biedere
Bierbrauerei
bildenden
Bilder
bis
Blauen
bleibt
Blick
Blicke
blickte
blinkte
blitzte
Blume
blum’gen
Blut
Blühen
Bodemer
Boden
bot
Br
Brande
breiten
brennenden
bringen
bringt
Brot
Bruno
Brücken
Brückenberg
Brühlſche
Brühlſchen
Buch
Buches
Bunte
Burg
Bär
Bäumen
Böhmer
Böttger
Bürger
Büſchen
Carola
Chemnitz
Chr
Chriſtian
Chriſtkindes
Chroniſten
chroniſtiſche
Claudius
Cöleſtiner
D'r
da
Dabei
daher
Damit
Daneben
Dank
danken
dann
darauf
darf
Das
das
Dazu
dazu
daß
De
dein
dem
Dem
Demolierung
den
Denkmal
denn
denſelben
der
Der
deren
derſelben
des
des-
desſelben
deutſchen
deutſcher
Deutſchlands
deſſen
Diamant
Diamantregen
dicht
Die
die
dienen
Dietrich
dieſe
dieſen
dieſer
Dieſer
Dill
Dills
doa
Doch
doch
doppelten
dort
Dort
dorthin
Dr
Dresden
droben
Drufus
drunten
Drunten
drüben
Drüben
duft'ge
durch
Dächer
ebenſo
edlen
Ehehälfte
Ehre
Ehren
Ehrenfriedersdorf
Ehrenkranz
ehrwürdige
Eiche
Eigen-
Eigenart
eigentlichen
Eigenſchaft
Eigenſchen
Ein
ein
eine
Eine
einem
einen
einer
eines
Einfahrt
Einfluß
Einführung
eingehender
eingeſtellt
einige
Einige
einigen
Eins
einzelnen
Einzug
Einſicht
einſt
Eiſenbahn
Elbſeite
Elend
Elſter
Emil
Emſigkeit
Ende
Engelmann
engen
engeren
Engherzigkeit
Engler
Enkel
Entwickelung
er
er-
Erbauer
erbliche
Erfolg
erfüllen
erhalten
erhebt
erholte
Ermangelung
ermüdenden
Ernſt
errichtet
Ertrag
erwecken
Erzgebirge
Erzgebirges
erzgebirgiſch
Erzgebirgiſche
erzgebirgiſcher
erzählen
Erzählung
Erſcheinen
erſcheinen
erſte
es
Es
Evan
Evans
ew’gen
Eſche
Fabrikſtadt
fachmänniſcher
Falke
Familie
faſt
fchweren
fehle
fein
Feld
Feldherr
Feldweg
Fels
Felsen
Felsgeſtein
Felszunge
Felſenthor
Ferd
ferner
Fernſicht
Festung
fetterm
Feſt
feſte
feſten
feſteres
Feſtung
Fichte
fie
Fiſcher
fleißige
Flemming
flimmerte
Flügel
Form
fort
forſchte
Franz
Frauenkirche
frei
Freiberg
Freilich
Freude
freuen
Freunden
freundlichen
Freytag
Friedrich
Frucht
Früchte
früherer
früheſter
Frühlings-
Frühlingslüfte
fuhr
Fußwanderung
fällt
führt
für
Fürchtegott
Fürſt
Fürſten
Fürſtenborn
Fürſtengröße
Fürſtenhauſes
Fürſtenruhms
füßen
gar
Garten
Gaſt
ge-
Gebarg
gebaut
Gebildet
Gebirg
geblieben
Gebricht’s
Gebräuche
Gebräuſche
gedacht
Gedeihen
Gedicht
gedieh
gefunden
gefügt
gegangen
gegen
Gegenden
Geißler
Geiſt
geiſtigen
gekommen
gelaſſen
gelegen
geliefert
Gellert
Gemahlin
genaueren
genug
Genuß
geographiſcher
Georg
Germanien
gerngeſehener
getreten
getrotzt
Gewande
gewann
geworden
gewordene
gewundene
gewundenen
gewölbte
gewürzt
Geyer
geſchafft
Geſchichte
geſchieht
Geſchmückt
geſchrieben
geſprächige
Geſtein
geſunden
Geſundheit
geſunken
Glanz
gleich
gleichwohl
gleichzeitig
glorreichen
glänzt
glänzte
goldene
Goldgrotte
Goldkeller
gold’ne
Gott
Gottes
Greifenſtein
Grotte
große
großem
großen
Großen
großherziger
Grund
Grunde
Grundlage
größte
Gründer
Gründung
Gut’
Gäßchen
Gäſten
Haamet
habe
haben
Hahnhaus
halbe
Halle
Halm
Halsbrücke
halten
Hamet
Hand
Handelsſtadt
Hanſchmann
harmonierten
Hartmann
hat
hatte
Hauch
Haupt-
Haupttitel
Hauptſache
Haus
Hauses
Hauſes
Heereszügen
Heimat
Heimatland
Heimatsliebe
heiter
heiß
Hennig
Her
heraus
Herausgeber
Herausgegeben
Herm
Hermann
Herrmann
Herrſcher
Herrſchergeſchlechtes
Herrſcherhaus
hervorgegangen
hervorragender
Herz
Herzen
Herzog
heut
Hier
hier
hierauf
Hieronymus
hilfsbedürftiger
Himmel
hin
hinab
hinaufzogen
hinauſ
hinein
hing
hinunter
hinwirken
hoben
Hofkirche
Hoftheater
hohen
hoher
holperige
Holzweibchen
Humor
Hungersnot
hält
Häuschen
Häuſermeer
höchſte
Höhe
hübſchen
Ich
ich
ihm
ihr
ihre
Ihrem
ihren
ihrer
Illuſtrationen
Im
im
immer
In
in
Induſtrie
induſtrie
Inhalt
Inhaltsverzeichnis
innigem
innigeres
Ins
Intereſſe
Invaliden
Irmſcher
is
IV
Iſt
iſt
Jagdſchloß
Jahr
Jahre
Jahren
Jahrhunderts
Jahrtauſends
Jakob
japaniſche
jenſeits
jetzigen
Johann
Johannes
Johanngeorgenſtadt
Johanniskirche
Johs
Jugend
Jugendzeit
Julius
junge
Jungen
junger
jungfrau
Kaiſer
kampieren
Karl
katholiſche
Kaſtell
kein
keller
kennen
Kenntnis
Kinner
Kirche
klappte
klebten
kleinen
Kleinen
kleiner
Kleinſtädterleben
Klinkhardt
Klotzſche
Kloſter
knoſpenden
Kommiſſion
konnte
Konrad
Korn
Kornböden
Korſchelt
Krauſch
Kreiſe
Kreiſes
kreuz
Kreuz-
Kriebſtein
Kriege
Kronprinz
Kruſchwitz
kugelrunde
Kuhſtall
Kunde
Kunſt
Kurfürſt
kurfürſtlicher
König
Königin
königlich
königliche
Königspaar
Königſtein
können
könnte
kühlen
kühn
Künzel
lag
Land
lande
Landesteilen
lang
lange
Langebach
langſchößigen
lauchten
Lauterberge
Leben
lebhaftes
Lehrbuch
Lehrer
Lehrern
leiblichen
Leipzig
Leipziger
Lerchen
lernt
leuchtend
leuchtete
Leutchen
Leuten
Leuſchke
Leſer
Leſers
Leſſings
lich
Liebe
Liede
liegt
Linke
Linken
Lob
Lotter
Luft
Luftlager
Luitgard
Lungwitz
längſt
läuft
Löbauer
man
Manke
Mannes
mannigfaltigen
Mannigfaltigkeit
Marienbrücke
Marienthal
Mark
Markgraf
Markgrafenſtadt
Markneukirchen
Marktplatzes
Mars
Marterwoche
Material
Mauern
Mauke
Max
Maſchinenbau
mehr
Mei
mein
Meine
Meißen
Meiſen
Meiſter
Menſch
Menſchen
mich
Miescos
milde
mir
Mit
mit
Mitte
mittleren
Moosleutchen
Moritz
Moritzburg
Moſen
Mundart
Mutter
Mutſchink
Muſik
Muſikfeſt
Muſikinſtrumente
Muſikinſtrumenten
möge
Möge
Müglitzthale
Müller
müßten
müſſen
Nach
nach
Nacht
nahe
Namens
Natur
Naturbilder
Nauendorf
neben
nennen
Nero
neue
neueſten
neugebaut
Neujahr
Neunte
Neuzeit
nicht
Nicht
nichts
nie
niederen
Niederland
nimmt
noch
not
nun
Nur
nur
nämlich
nötig
ob
oberen
Obererzgebirge
obererzgebirgiſcher
Oberlaufitz
Oberlauſitz
Oberlauſitzer
Ocean
oder
Oertel
Opelt
Otto
Oybin
Oſtritz
Palais
Patriotismus
Paul
Perlenfiſcherei
Perlmutterwarenfabrikation
Pestalozzi-Vereine
Petersberg
Petersberge
Peterskirche
Petition
Peſtalozzi-Vereins
Pfade
pflanzen
pflegen
Phenn
Philoſophen
photographiſchen
Pilgram
Pilk
Pirnaiſche
Pirnaiſches
Plattform
plauderte
Porphyr
Porphyrs
Porphyrſtücke
Porzellanfabrik
Porzellanmanufaktur
Prebiſchthor
Protektorin
prüfend
qefunden
qeſunden
Quellenſtudie
Quellenſtudien
Rathaus
Rathauſe
Raſche
rechte
Reformation
Regenſchirm
reichlich
Reichtum
reift
Reizen
Reiſe
Reiſegefährte
Reſidenzſtadt
Rich
Richard
Riedel
Rinderherden
ringſten
Robert
Rochlitzer
Rochsburg
romantiſche
Rot
Rother
Rudolf
Ruhme
ruhmreichen
ruſſiſche
Räumen
Röder
römiſche
rötliche
rötlichen
Rücken
Rühle
rüſtig
Saal
Saalgegend
Saalſtromes
Sachſen
Sachſenlande
Sachſenlandes
Sachſens
Sachſentreue
Sachſenvolkes
Sage
Sagen
Sang
Scenerie
Schachtberge
Schachtes
Schade
Schaf-
Schafherden
Schandau
Schandauer
Schatzgräber
Schicht
Schichten
Schienenband
Schiffen
Schilling
Schlage
Schlegel
Schlitterlau
Schloß
Schloßjungfrau
Schneckenſtein
Schnee
Schnitt
Schornſtein
Schoß
Schul-
Schule
Schutz
Schwa
Schweiz
Schweizerling
Schwenke
Schächten
Schätze
Schönburgiſche
Schöne
Schönheiten
schönſte
Seine
Seite
Senſe
Sich
Sie
Siebeneichen
Silber
Singen
Sinne
Sitte
Sitten
So
Sohn
Soldaten
Sommers
Sonn-
Sonne
Sonntagsrock
St
Staatsbürgers
Stadt
Stadtſeite
Stammburg
Stammſitzes
Starken
Steinbrüchen
Steinkohlenbergbau
Steinkreuz
Stellen
Stelzenbaum
Stolz
Strahlen
Strohhutinduſtrie
Strome
StrominſeIchen
Strumpfgewerbe
Stunde
Städtchen
Städtchens
Stämme
Stätten
Stürmen
Symbol
sächſiſche
Sächſiſchen
Süden
Tag
Tage
tapferer
Teil
teil
Teilanſicht
Tempel
Terraſſe
teueren
Texte
Th
Thal
Thale
Thor
thun
thut
tiefem
Titelbild
Totenſteine
Tr
traten
Traube
Treiben
Trenkler
Treppenfiguren
treuen
Triebiſchthale
trotzig
Trägt
Trümmer
Turmzinnen
Töchter
Türme
Ufern
Uhle
um
Um
Umgebnng
Umgegend
umwebt
unabſehbare
unberückſichtigt
unberührt
Und
und
Unera
Unger
Univerſität
uns
unterbringen
unterhaltend
Unterhaltung
unterm
Unterrichtes
unverblich’nem
Unſer
unſer
unſere
unſerem
unſeres
Uttewalder
Vater
Vaterland
Vaterlande
Vaterlandes
Vaterländiſche
vaterländiſcher
verbeſſerte
Verein
Verfertigung
verfolgt
Vergangenheit
verknüpft
verlegen
verleitet
verloren
vermehrte
vermitteln
verwachſen
verwaiſter
Verzauberte
Verzeichnis
verändert
verſchieden
verſchiedenen
verſchiedenſten
verſichert
verſolgt
Verſorgung
Verſtand
VI
viele
vielen
vielfach
Vielgeſtaltigkeit
vierten
VII
Vogt-
Vogtland
Vogtlande
Vogtlandes
vogtländiſcher
Volk
Volke
Volksbibliotheken
Volkslebens
Volksſage
Volksſitte
voll
vollem
vom
Von
von
vor
Vorberg-
Vorberg-Sage
vorgeſtreckten
Vorgängerinnen
vorliegende
vorlieqende
vorwärtsgeſchritten
vorüberziehen
Völkel
völlig
Wahlſprüche
wahren
Wald-
waldbekränztem
Waldfee
Walpurgis
Walpurgisfeier
Wanderers
wandert
Wanderung
Wappenſage
war
ward
ward’s
Was
was
Waſſermann
Weg
wehn
weiden
Weihnachten
weit
Weizen
weiß
Weißen
welche
welches
Welt
Wendei
wenig
Wenn
wenn
werde
werden
Werk
Werkſtatt
Wernesgrün
Wettern
Wettin
Wettiner
Wettinfeſt
Wettins
weſent-
Wie
wie
wieder
Wiege
Wieſen
Wieſengelände
Wilh
will
Wind
Windmühlen
Wint'r
Winterfahrt
Winters
Wir
wir
wird
Wirt
Wittekind
wiſſen
Wiſſenſchaftlichkeit
wo
Woenig
wogt
Wohl
wohl
wohlgepflegte
worden
Wort
Worte
Wortes
Wunderblume
Wunderſames
wurde
Wurzener
wußten
wäſſerigen
Wünſche
würde
würden
würdiger
zahlreichen
Zeit
Zeithain
Zeuge
Zichoriendarren
Ziegeldächer
Ziel
Ziele
ziemlich
Zu
zu
Zufriedenheit
zufried’ne
zum
Zunächſt
zur
Zur
zuwanderten
zuſammen
Zweck
Zwecke
zwei
zweibändige
Zwickau
Zwinger
zwiſchen
Zſchommler
Zſchopau
Äckern
Ähnlichkeiten
Ähren
älteſter
Äußern
über
überall
Überlauſitz
überm
überragt
überragten
überſchwemmt
Überſchätzung
übrig
ſaft’ge
ſagen
ſagte
ſangen
ſcharf
ſcheint
ſchenkte
ſchichtlicher
ſchirms
ſchlichte
ſchlichten
ſchmalem
ſchon
ſchroffen
ſchweiften
ſchwingend
ſchön
ſchöne
ſchöner
ſchönſte
ſchützen
ſehen
ſehr
ſein
ſeine
ſeinen
ſeiner
ſeit
ſeither
ſei‘nen
ſelben
ſelbſt
ſenkt
ſich
ſie
ſieben
ſiebenjährigen
ſilberne
ſind
ſingen
ſo
ſoll
ſollen
ſondern
ſonniger
ſowie
ſtanden
ſtehenblieb
ſteilem
ſteinig
ſteinreich
ſtiegen
ſtill
ſtolzer
ſächſiſch
ſächſiſch-böhmiſchen
ſächſiſche
ſächſiſchen
ſächſiſcher
ſüdöſtlichen
fleiß’ge

Wer Fehler findet, kann mir bitte einen Hinweis zukommen lassen :)