| 楼主 herelazy |
现在网上的许多资料都是以CAJ、PDF、超星等文件格式提供的，其中的文本不能被直接编辑，造成使用上的极大不便，利用微软提供的OCR识别技术从CAJ、PDF、超星等文件中提取全部文本，通过操作转化为word文件，方便使用。 1、前期准备： 安装CAJViewer 阅读器(5.5以上版本)、Acrobat Reader 专业版阅读器(5.0以上版本) 和 Office(2003以上版本)，并完全安装Office工具Microsoft Office Document Imaging，然后在打印机里面增加 Microsoft Office Document Image Writer 打印机。 Microsoft Office Document Image可以非常准确的全文件识别转化中文、英文、表格。 2、CAJ文件的识别 （一）首先，从网上下载CAJ格式的资料文件保存到 本地硬盘 上； （二）然后，启动CAJViewer阅读器程序，并在该程序中打开刚才保存的CAJ格式的文件。浏览文件到最后一页后，不要关闭CAJ浏览器程序； （三）在CAJ浏览器程序窗口中，选择“文件”→“打印”，并选择打印机为Microsoft Office Document Image Writer打印机，勾选打印到文件选项和确定打印页数； （四）保存打印文件（*.prn）到适当位置。等待打印完成后，Microsoft Office Document Image 自动打开刚才保存的打印文件； （五）在Microsoft Office Document Image窗口中，选择“页面”菜单中的“选择所有页面”菜单项，然后选择“工具”菜单中的“使用OCR识别文本”提取文本。 （六）选择“工具”下的“将文本发送到word”，最后将把整个CAJ文件识别输出到word文件中。 3、PDF文件的识别 （一）以“文本”形式保存的PDF文件，用Reader专业版，识别整个文件。直接打开从网上下载的PDF格式文件另存为RTF文件，或者选择工具栏上的文字选择按钮，然后选择文字区域，复制到Word中即可。 （二）以“图片”形式保存的PDF文件，将PDF文件打印到Microsoft Office Document Image Writer打印机，选择打印形成的文件的保存位置，然后会自动形成一个MDI文件，并且自动用Microsoft Office Document Image打开此文件，然后在Microsoft Office Document Image中选择“工具”菜单中的“使用OCR识别文本”，识别完成后，在选择“工具”下的，“将文本发送到word”，最后将把整个PDF文件识别输出到word文件中。 （三）加密的PDF文件先下载解密软件，解密后在参照上述步骤1),2) 进行。 （四）繁体PDF文件用上述步骤2)的方法识别到word后，用word中的“工具”→“语言”→“中文繁简转换” 4、超星文件的识别 （一）全文件识别打印到Microsoft Office Document Image Writer打印机，然后按上述PDF文件的识别步骤中第二点操作，要注意的是，超星打印功能有点区别，因为超星是目录和全文分开的，所以打印时，需要分别把目录和正文识别到Word中，再合并到一起。打印时要填入打印页码从1到最后一页，不要选择打印全部。在打印选项中，要将页面比例设成真实大小，而不是整宽。注意识别速度比其他格式要慢很多，请保持耐心。一般一本200多页的书，识别需要几分钟的时间。 （二）超星文件识别相对比较麻烦一些，如果还有问题，可以先把超星打印成完整的PDF文件，然后再用上述识别PDF文件的方法转成Word。 5、注意事项 经过试验，发现Microsoft Office Document Image 存在一些不稳定的问题，如在用CAJ打印到Microsoft Office Document Image Writer时，发现用CAJ5.5版本比较快，而CAJ5.0有时出现假死机。页面显示大时，转化的识别率较高。如果页数多的文件，包括超星，可以分多次转化。 由于虚拟打印到Microsoft Office Document Image Writer 比较慢，并且形成的虚拟文件很大，1本200多页的书大约是60M，因此会严重影响机器的运行速度、C盘和内存空间。建议配置好的机器一次转化不要超过200页，配置差的不要超过100页，同时打印时在任务栏中会出现打印机图标，可以双击，看到打印任务的进度，避免误以为死机。转化完成后请删除c:\windows\temp目录下的虚拟打印文件，否则C盘很快会被用光。 |
| 2楼 0Mouse |
楼主总结得很全面，讲的也很详细，学习了！ 补充：对于图片型英文PDF，采用ABBYY PDF Transformer 2.0转换效果非常好，准确率可高达98%，至少我以前转的时候是这样的！  我以前下载的地方现在没找到这个软件的下载信息了，不过这里应该可以下载。 |