語料庫是語料構成的集合，要進行語料庫的處理和應用離不開語料工具。接下來為大家介紹一下語料處理步驟中所需的幾類常用工具。
語料採集工具
我們建語料庫所需的語料可能有多種來源，如：網頁、電子文檔、紙質材料等。因此在採集不同來源的語料時我們需要使用不同的工具。
其中，ABBYY FineReader、天若OCR文字識別等OCR識別軟體可用於處理紙質材料或其他不可編輯的材料；Teleport Ultra, TextForever等軟體常用於處理網頁材料。
1）ABBYY FineReader
ABBYY FineReader是一款專業OCR軟體，可以進行文件識別、自動保留排版格式，後臺批處理識別等功能。用戶可以利用ABBYY FineReader進行對不可編輯文本的掃描，如圖像、PDF等格式的語料（如下圖所示），以獲取Microsoft Word等格式的可編輯的文檔。
官方下載地址：https://abbyy.store/
2）天若OCR文字識別
天若OCR文字識別是一款界面簡潔、功能強大的OCR識別軟體，可將圖片中的文本轉換成可編輯文本，將表格識別後轉換成可編輯表格，進行識別翻譯、截圖及截圖標註等，處理圖像或PDF等格式語料極為方便，基本操作如下圖所示。
官網軟體下載：https://ocr.tianruo.net/
3）Teleport Ultra
Teleport Ultra擁有直觀的界面，可以在一個項目中處理多個伺服器，使用正則表達式指定要爬行的包含區域和排除區域，批量獲取網頁數據資訊。在語料搜集過程中，我們可以利用Teleport Ultra軟體搜集網站中語料資源，根據軟體嚮導的提示，經過簡單的操作，便可以迅速獲取大量資料。
官網軟體下載：
https://www.tenmax.com/company/downloads.htm
4）TextForever
TextForever可以用來進行文本HTML到TXT 的轉換、文件切分、文檔合併、文本提取、TXT 文件分行、HTML 代碼整理等功能。在使用Teleport Ultra軟體提取網頁中的語料後，我們可以使用TextForever軟體對所獲取的語料進行格式處理，搜集所需格式的語料，兩個軟體的搭配使用使得語料搜集過程更加方便快捷。
下載途徑參考：
https://pc.qq.com/detail/8/detail_3448.html
語料清洗工具
語料清洗指去除語料中的噪音，包括不符合規範的格式、符號、內容等。北京外國語大學中國外語教育研究中心專職研究員許家金博士，將格式清洗錯誤分為文字元號類、空格段落類、標點符號類。
語料清洗過程中可涉及的軟體有Microsoft Word、EmEditor、Notepad++、文本整理器、庫酷、斑斕科技小助手等。
1) Microsoft Word
微軟Word是微軟公司開發的一款文字處理軟體。相信大家日常辦公都會或多或少用到它，其實它還有許多隱藏技能，今天為大家介紹其中之一——語料清洗。
具體來說，利用Ctrl+H快捷鍵調出查找與替換對話框（如下圖所示），點擊「更多」，單擊勾選「通配符」，藉助通配符快速清洗語料。
2) EmEditor
EmEditor是一個輕量級、可擴展、易於使用的Windows文本編輯器，適用於Windows系統。EmEditor在64位和32位版本中都可用。我們可以在EmEditor軟體中利用正則表達式快速清洗語料，具體操作是導入文本後，點擊「搜索」，單擊「替換」，再勾選「正則表達式」（如下圖所示），利用正則表達式清洗語料。
3) Notepad++
Notepad++是一款與EmEditor類似的軟體，Notepad++是Windows作業系統下的一套免費的文本編輯器，有完整的中文化接口及支持多國語言編寫的功能(UTF8技術)。同樣，我們也可以藉助它，並利用正則表達式清洗語料，操作與EmEditor類似。
官網軟體下載：https://notepad-plus-plus.org/downloads/
4）文檔整理器
文檔整理器是一款使用方便的語料清洗軟體，內含多種快捷鍵，不需要手動輸入正則表達式或通配符進行語料清洗，功能豐富，操作簡單，是一款較好語料清洗工具。
5）庫酷
庫酷是一款功能豐富的語料清洗軟體，含多種快捷鍵，用戶只需要根據自身需求點擊對應快捷鍵即可，清洗語料速度快，也是一款不錯的語料清洗軟體，值得推薦。
6）斑斕科技小助手
斑斕科技小助手是一款基於VBA的Word小工具，與庫酷和文檔整理器不同的是，它可以直接在word中使用，功能豐富，提供各種快捷鍵（如下圖所示），操作簡單方便，為語料處理提供極大的幫助。
官方軟體下載：http://edu.bon-lion.com/bon-lion-helper/
語料對齊工具
語料對齊一般指的是雙語或多語文本的平行對齊，一般以「一對一」對齊為主，也存在「一對二」或「一對多」平行文本的對齊，目前應用最為廣泛的語料對齊是句級語料對齊。
常見的語料對齊工具包含兩類：一類是CAT軟體自帶的工具，包括Trados的對齊文檔、memoQ的Livedocs等，另一類是獨立的工具，包括ABBYY Aligner、Tmxmall等。一般來說，CAT自帶的語料工具有些局限，這裡主要介紹獨立的語料對齊工具。
1）ABBYY Aligner
ABBYY Aligner 2.0是一個專業的工具對齊並行文本和創建翻譯記憶數據庫，提供了編輯對齊結果的功能，並可以保存為TMX格式，以便在CAT工具中進一步使用，可以提高工作效率。
2）Tmxmall
Tmxmall是一款線上語料對齊工具，語料對齊方便用戶調整對齊結果，其自主研發的智能對齊算法可以自動對齊原文，支持46種語言，2070種語言對，極大提高語料對齊效率。
官方下載地址：https://www.tmxmall.com/
語料檢索工具
語料檢索指的是對語料中的詞、句或結構進行檢索，可以獲得詞頻、詞密度、詞表、搭配、關鍵詞單等，以便對語料進行分析研究。在此過程中有AntConc， ParaConc等可供使用。
1）AntConc
AntConc是一款免費的單語語料檢索工具，支持Windows, MacOS等系統，具有索引、索引定位、詞叢、搭配、詞表和關鍵詞單等多種功能，界面簡單，方便用戶操作，可以極大提高語料檢索的效率。
官方下載地址：
https://www.laurenceanthony.net/software/antconc/
2）ParaConc
ParaConc是一款雙語或多語平行語料庫建設與檢索工具，具有語料對齊、平行文本預覽功能、平行文本檢索、檢索行排序、詞頻統計、搭配提取等功能,可以用於語料檢索、對比分析、語言學習和翻譯研究培訓等。
官網下載地址：https://paraconc.com/
總結
語料工具有很多，在語料採集、清洗、對齊、檢索等各個過程有不同的軟體可供我們使用。面對形形色色的工具，我們不需要貪多，要選擇適合自己的工具並熟練運用，形成自己的一套語料處理體系，無論是對日常學習，還是對學術研究，都有重要的意義。