认不出的字

四百零八页，扫得清清楚楚

手里有一部《睡虎地秦墓竹简》的扫描本，四百零八页。纸是旧的，字是清楚的，一页一页翻过去，能看清每一笔。想把它变成能检索的文字，最省事的办法是交给 OCR。跑完了，四百零八页，一页没漏。

结果打开一看，不能用。

「秦墓竹简」被认成了「秦墓竹筒」

标题就先错：书名的「竹简」认成了「竹筒」，前面还有几个字认成了根本没有的词。里头更乱——这书是竖排，正文之间还夹着双行小注，注文挤在两行字中间，字号只有正文的一半。OCR 是按横排的规矩切行的，它把注文当成正文的一行，把正文的两半拼成一句。试过按列切，试过分栏聚类，行序都还原不出来。

一个字错不算大事，行序错了才要命

简牍里的字，错一个还能靠上下文猜。行序一乱，句子就接错了对象。「二年」后面接的是「三月」还是接「廿六年」，读出来是两个完全不同的年代。这批简最要紧的东西，恰恰就是年月日。

所以那四百零八页的识别结果，一个字都不该拿去引。

换一条路

维基文库有这二十五篇的校对本，繁体，通假字用〈〉和（）标出来。抓下来，转成简体，整理成一份八十四 K 的全篇释文。我不用假装那些字是自己从扫描件上认出来的。

另一种情况就宽松些。《里耶秦简牍校释》一千一百五十六页，同样跑 OCR，简号和纪年认得准，专名常错——「校释」认成「校稞」，「武帝」认成「更戌」。这本书的用法就限定住了：查简号、排年代可以用，逐字引文不行。

里面有一份年谱

睡虎地十一号墓的墓主叫「喜」，是秦朝的一个小吏。随葬的简里有一份《编年记》，简文原题作「葉書」，从秦昭王元年记到秦始皇三十年，九十年，逐年一行。记的是他自己，和一个家的九十年。

九十年要是错开一格，这个人的人生就对不上了。这种东西，快的那一头不敢碰。

快和慢，各管一头

机器认字很快，人认字很慢。快的那头做索引：几万页里找一个词、看它出现过几次，几秒钟的事。慢的那头做引文：一个字一个字核过，才敢说这是原话。

分清楚哪一步能交给机器，比指望机器把活全干完更要紧。四百零八页扫得再清楚，也得有人在旁边承认一句——这一页，它没读懂。