Charlie’s path to dEAth

原文在 Have your hamburger and eat it - Edit molecules in PDFs。虽然讲的是“编辑PDF中的结构式”，实际上的核心意思是通过OCR的手段，将结构式还原回来。

OCR文字，识别个名片简单，但是恢复带有图型结构的化学结构式图片，看起来就不那么容易了。这篇文章里提供的工具，却偏偏很容易。

核心的软件是BKChem，是基于Python的开源化学信息学软件。很可惜这个网站在国内被盾住了，上传一个在这里。

Windows环境下软件配置的步骤是

1. 安装Python
2. 按照Python的版本安装 Python Imaging Library
3. 下载并且安装BKChem-0.12.5.zip。国内下载不了请用这个链接。
4. 下载 convert_clipboard_image.py 和 convert_clipboard_image.xml 这两个文件，放在BKChem的plugins文件夹里。这个文件夹一般的路径是这样的 C:\Python25\share\bkchem\plugins
5. 下载osra-mingw-1-1-0.zip，解压。在系统变量中，设置OSRA变量的值是解压后文件夹中osra.exe的绝对路径。

软件使用的方法是

1. 在C:\Python25\Lib\site-packages\bkchem路径下，双击bkchem.py，运行BKChem。
2. 在打开的PDF/ Word/ 画图板等软件中拷贝结构式图型。
3. 在BKChem中点击plugins菜单下的"Paste and Convert Image"，就可以开始转换了。

然后呢，当然就是继续编辑这个结构式啦。与其他OCR一样，在准确性是不能达到100%的。往往一些环结构会断掉，特殊的元素、手性键会认错。

不过这已经离可以转换成mol/ SMILES/ InChI格式的结构式不远了。

090218, update

Optical Structure Recognition Software To Recover Chemical Information: OSRA, An Open Source Solution

Filed by charlie at 5:45 pm under Tools, chemoinformatics