怎样将扫描文件转成WORD格式

admin管理员组

文章数量:1535552

2023年12月31日发(作者：)

怎样将扫描文件转成WORD格式

电子书是存储在光、电、磁等载体之上的数字图书。在早期的电子出版中，电子书大都封存在光盘中出售给顾客；在网络出版时期，电子书并没有具体的出版物形式，取而代之的是电子书格式。格式简而言之就是存储方式，一本电子书可以做成TXT文档或Word文档。但这些格式不但不利于阅读，也无美观可言，更不用说进行加密、版权管理了。因此，几乎各个厂商都将目光放到了专门的电子书格式上，开发出了各种不同的电子书格式，几乎每一家公司推出的电子书阅读器就有一种专门的电子书格式。 电子书阅读器有软、硬件之分。后者称之为专用阅读器，这种阅读器只有一个功能：提供相应格式电子书的阅读环境。所以每种专用阅读器就有一个独立格式，如SoftBook格式、RocketBook格式、eBookman格式等等。软件形式的阅读器主要应用于PC机、PDA等数字处理设备上。PC机上最常见的是微软LIT格式和Adobe公司的PDF文件；PDA则主要采用PRC文件格式。

CHM和HLP格式 随着技术的进步，单纯文字形式的电子书已经不能满足读者的要求，因此，CHM和HLP格式的电子书应运而生，作为Windows系统帮助文件的标准格式，CHM和HLP格式能够支持图片的插入，并且还能通过制作目录、索引等功能来方便读者阅读。这两种格式无须任何第三方软件支持，在Windows系统中就可以直接阅读。

CEB格式 CEB格式是由北大方正公司独立开发的电子书格式，由于在文档转换过程中采用了“高保真”技术，从而可以使CEB格式的电子书最大限度地保持原来的样式。正是基于这种特点，不少电子书发行机构和数字化图书馆都已经开始采用这种格式，国家有关部门还把CEB格式作为电子公文传递的标准格式。

方正Apabi Reader(阿帕比)是CEB格式的指定阅读软件，Apabi Reader还具有字体缩放、书签、作笔记、书籍管理、翻译和文字部分拷贝功能，能尽量符合广大读者传统的阅读习惯。 网络上CEB格式的电子书比较多，(游书网)、(新浪读书频道)/(华夏电子书局)(中文电子书网)都是很不错的选择，只是上述网站中的大部分资源都是收费的。如果你只是想体验一下Apabi Reader的效果，那么就去阿帕比免费电子书下载网站(/ebookdown/ebook_)看一下吧，里面有好多的免费电子书可以下载阅读。

PDF格式 PDF是由Adobe公司所开发的电子读物文件格式，它可以真实地反映出原文档中的格式、字体、版式和图片，并能确保文档打印出来的效果不失真。因此，PDF格式已经成为一种国际上认可的电子文档格式。PDF文件的专用阅读工具就是Adobe Acrobat Reader软件。为了能够使读者阅读到原始版面，不少报纸的电子版都是采用 PDF格式，如上海的《新民晚报》(/pdf/)，北京的《北京青年报》()等。顺便再说一句，上文介绍过的方正Apabi Reader(阿帕比)也能阅读PDF文档，所以在安装PDF阅读软件的时候，你可以两者选其一。 PDG格式 超星公司已经通过全国各家图书馆，收集了大约30万册左右的各种图书，并且把书籍经过扫描后存储为PDG数字格式，存放在超星数字图书馆中。如果你要想阅读这些图书，则必须使用超星阅览器(Superstar Reader)，把阅览器安装完成后，打开超星阅览器，点击“资源”，我们就可以看到按照不同科目划分的图书分类，展开分类后，每一本具体的书就呈现在我们面前了。在阅读过程中，你还可以选择把这本书进行下载。但是令人感到遗憾的一点就是，非超星读书卡会员的读者只能试读每本书的前17页，为了能完整地读到每一本书，还是赶快买读书卡进行注册吧。

WDL和WDF格式 WDL和WDF格式解决了不同软件平台和语言系统互相之间不兼容的问题，由于这两种格式对汉字和文档中的图片的支持效果特别好，所以，当你在使用DynaDoc Reader阅读这两种格式时，绝对不会发生字体变形、乱码等现象。从目前使用的情况来看，一些计算机编程类的电子书籍，大都喜欢采用WDL格式。如果你对编程感兴趣，那么DynaDoc Reader可是你的必备软件之一。 ABM和BOK格式 ABM和BOK作为两种全新的数码出版物格式，你可能会对它们有点陌生，这两种格式最大的特点就是能把文字内容、图片、声音甚至是视频动画有机地结合为整体。在阅读时，能给你带来视

觉、听觉上全方位的享受。“藏画”作为ABM和BOK格式的指定阅读软件，使用方法相当简单，打开软件后，你只要用鼠标把文件拖到播放窗口后，文件就会自动运行。

OCR （Optical Character Recognition光学字符识别）技术，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。 扫描形成的PDF格式文件不能用相关的PDF软件将其转换成ＷＯＲＤ格式。要将图形中的文字转换成文本文字，一般是用OCR软件。但是如果您的电脑安装的是Office2003的话，用其安装后的“Microsoft Office Document Image Writer”打印机就行，而且效果还较一般的OCR软件强，具体方法是：

你先打开你问题中说的PDF格式的扫描文件，再进行打印，打印时选用“Microsoft Office Document Image

Writer”打印机（请见上传的图1），选好保存位置和文件名后点击“确定”进行打印。打印完成后就会在你选择的保存位置出现如图2所示图标的文件（假定名为01）。然后你再打开该“01”文件，点击左上角的“工具”—“将文本发送到Word”（见图3），最后你按提示保存即可。

1.扫描文件是图片型的，没法如Word一样直接编辑。 2.对于修改量不大的一般可用PS软件进行修改，而我却是先转换成PDF文件，再用“Foxit PDF Editor”软件对图片型的PDF文件进行修改。 3.大量修改的，建议用OCR软件进行文字识别后转变成Word文件就能编辑修改了。 TH-OCR XP 能够适应超过一百种Windows字体。 TH-OCR XP 能够识别全部简体国标一二级6763个字符，繁体13000多字符。 TH-OCR XP 能够识别彩色图象，并转换成带有彩色图片的RTF格式（WORD可编辑）。 TH-OCR

XP 支持多任务，可以在识别一篇文章的同时扫描或编辑其它文档。 TH-OCR XP 中对于每个区域可以设定不同的字体，例如一篇文档中的大段英文可以设为英文识别，以提高识别率。 按住Ctrl键用鼠标拖动，可以移动区域。 按住Shift键用鼠标点取，可以选择多个区域，一起设置字符集和类型。

按住Shift键用鼠标右键拉直线可以进行手动倾斜校正。 版面分析前根据实际情况选择“报纸版面”或“杂志版面”可以提高版面分析正确性。 对一般文本识别扫描分辨率用300DPI比较合适，识别小于5号的字可选400DPI。 选择“简体全字集”或“繁体全字集”，能够识别更多的字体和全部字符集，但识别速度较慢

用OCR软件进行扫描识别文本的小技巧扫描仪的一个重要功能就是通过OCR软件（即文字识别软件）将扫描后的文字图像转换成文本格式的文件，使文字处理软件能够调用处理。这样可以大大提高文字录入速度，极大地提高工作效率。目前，文字识别软件主要有《尚书OCR》、《汉王OCR》和《紫光OCR》等几种。不过，我们在进行文字识别时经常会遇到识别率低的问题，其原因除了被识别稿件有问题外，主要还是我们没有掌握好扫描及OCR识别软件的使用技巧。那么进行文字识别时有哪些技巧呢？一、根据识别稿的质量进行处理

进行扫描识别时，在可能的情况下应尽量选择清晰度与洁净度都很高的识别稿，识别稿的清晰度与洁净度的不同会使扫描后的识别率有很大差距。对一般的印刷稿、打印稿等质量较好的文稿进行识别，只要掌握好方法与技巧，其识别率一般可达到98％以上。而对报纸、杂志等清晰度不佳的原稿进行识别，无论使用何种识别软件都难以达到很高的识别率。

1.对一些带有下划线、分隔线等符号的文本原稿，有些OCR软件是识别不出的，一般会出现乱码。如果必须扫描带有这些符号的原稿，一是要确保使用的识别软件能够识别这些符号。二是使用工具擦掉这些特殊符号，使识别软件能正确识别这些文字。

如果扫描后的文档中含有OCR软件不能识别的图像、图形和一些特殊符号，可以考虑使用“擦拭”工具将文档中的图像、图形和一些特殊符号擦除，同时将图像上一些杂点也一并去除。使图像中除了文字没有多余的东西，这可以大大提高识别率并减少识别后的修改工作。

2.在扫描识别报纸或纸张较薄的文稿时，扫描时稿件背面的文字通常会透过纸张造成错字或乱码，使识别率大大降低。在对这类原稿扫描时，我们可以在原稿的背面覆盖一张黑纸，在进行正式扫描时，适当增加扫描对比度或亮度，即可有效提高识别率。

3.对于一些图文混排的原稿，扫描成一幅图像进行全区识别会严重影响OCR软件的识别率。我们可以根

据实际情况将扫描后的版面切分成多个区域后再识别，切分区域的原则是：将图形、图像排除在区域之外（图1），尽量把文字字体、字号一致的划在一个区域内，不要嫌这个过程烦琐而选用自动切分区域，手动选取扫描区域会有更好识别效果，还应注意各识别区域不能有交叉情况。

图1 版面切分

二、扫描识别稿的操作技巧

1.首先要保持工作环境的清洁，扫描仪的玻璃板以及若干个反光镜片及镜头，其中任何一部分脏污都会影响扫描文字图像的效果。因此，保持扫描仪的清洁是确保文字图像扫描质量及识别率较高的重要前提。

2.扫描仪在刚开启时，光源的稳定性较差，而且光源的色温也没有达到正常工作所需的色温，所以开始扫描以前最好先让扫描仪预热一段时间。

3.在放置扫描原稿时，把扫描的文字材料摆放在扫描起始线正中，可以最大限度地避免由于光学透镜导致的失真而影响识别率。

4.扫描后的文字图像经常会有一定角度的倾斜，出现这种情况必须在扫描后使用自动或手动旋转工具进行纠正，OCR软件一般都设有自动纠偏和手动纠偏工具。否则OCR识别软件会将水平笔画当作斜笔画处理，识别率会下降很多。如果扫描后的文字图像倾斜角度超过15°，倾斜校正会产生较大的失真和误差，从而严重影响识别率，这种情况建议摆正原稿重新扫描。

三、扫描参数的设置

扫描参数的设置主要包括分辨率的设置及亮度和对比度的设置。

1.一般来讲，分辨率越高识别率也就会越高。但这也不是绝对的，对于一些过大过粗的字体，设置过高的分辨率，识别率可能会降低，而且设置高分辨率后，扫描速度会大大降低。根据实际经验，1、2、3号字的文稿推荐使用200dpi，4、小4、5号字的文稿推荐使用300dpi，小5、6号字的文稿推荐使用400dpi，7、8号字的文稿推荐使用600dpi（图2）。

图2 选择分辨率

2.扫描时适当地调整好亮度和对比度值，对识别率的高低影响很大，在进行扫描亮度和对比度的设定时（图3），以扫描后的图像中文字的笔画较细、均匀，且没有明显断点为准。如果扫描后的文字图像存在黑点、黑斑或文字线条很粗很黑，分不清笔画，说明亮度值太小，应该增加亮度值再重新扫描。如果文字线条凹凸不平，有断线甚至图像中汉字轮廓严重残缺时，说明亮度值太大，应减小亮度后再重新扫描。如果要扫描质量比较差的文稿，比如报纸，扫描出的图像可能会出现大量的黑点，而且在字体的笔画上也会出现粘连现象，为获得较好的识别结果，必须仔细进行亮度和对比度值的调整，反复扫描多次才能获得比较理想的效果。

图3 扫描亮度和对比度的设定

四、识别后的处理工作

1.文字校正

文字校正是OCR识别工作中比较烦琐的一步。一般OCR软件对可能出现错误的文字，会显示出蓝色标记，请用户确认。但在没有提示出错的地方，也有可能出错。所以大家在校对时应该通读一遍，以提高文字录入的准确率。

2.识别后文本的保存

如果把识别后的文本简单复制粘贴到Word中保存处理，就需要去掉多余的硬回车，这样会非常麻烦。正确方法是：先将识别后的文本存盘，在存盘时设置为软回车就行了。对于《紫光OCR》，则需要在识别完成后，选择文件菜单下的导出命令，将存储类型选为TXT，段内回车字符选为无。注意：一定不要直接存盘，否则不能自动去掉文章的硬回车。《尚书OCR》、《汉王OCR》和《紫光OCR》都提供了段内去除硬回车的功能。

本教程为大家介绍怎么将扫描的文件转到word文档中。 我一直在寻找一款软件能把图片或扫描文件转Word上，可是找了不少想什么Aqua Deskperience和miniocr要不就是识别率不高，要不就是时而好使，时而不好使，最近一个偶然的机会发现其实Word就是一款识别率高，易上手的抓字软件，现将详细方法介绍如下： 1、首先保障你计算机的office安装有Microsoft Office Document Imaging组件，如图1，如果你安装的是迷你Office可能就没有，请安装完整版的Office就行了。 2、随便在电脑中哪儿新建一个Word文档，进入后选择插入--图片--来自文件； 3、在插入图片文件框中找到你想要从中抓出文字的图片。 4、将图片成功插入Word中。 5、依次点击文件--打印，打开打印窗口，只要你安装了Microsoft Office Document Imaging组件，完成我告诉你的第一步操作，这样在打印机名称下拉选项中肯定有一个名为Microsoft Office Document Imaging的打印机。 6、点击打印并不会真正打印，而是出现一个另存为的对话框。 7、再点击保存后office会自动启动Microsoft Office Document Imaging组件打开你刚刚保存的文件。 8、在Microsoft Office Document Imaging组件右边的窗口中直接用左键圈中你欲复制的文字，再点击右键选择复制。 9、点击复制后稍等几秒钟就会出现一个ocr字体识别的进度条，这个过程只需要短短几秒钟时间，此后你就可以新建一个空白的文本文档，在文档中直接复制就可以将刚刚从图片上所抓的文字复制到文本中来。 10、在第8部完成后你也可以再在Microsoft Office Document

Imaging组件右边的窗口中点击右键--将文本发送到Word（T）。11、点击后Office同样会自动打开一个新的Word文档，在这个新打开的Word文档中就有了我们刚刚从图片上所抓的文字。

你可以用尚书7号

1，下载尚书7号，并安装

2． 软件安装完毕后，用户请点击桌面左下角“开始”，找到“尚书7号OCR”软件图标，并点击。打开尚书7号OCR的使用界面。3． 打开尚书7号OCR的“文件”采单下的“选择扫描仪”，选择对应扫描仪的驱动“MICROTEK SCANWIZARD 5”的选项。并选择“确定”。4． 选择“文件”菜单下的“扫描”，将打开扫描仪的驱动。如下图，下面的界面是扫描仪的“高级控制面板”。5． 拥护请注意选择SCANWIZARD 5软件中，左面“设置”窗口中的“图像类型”，请选择“RGB色彩”或者“灰阶”的类型，并注意扫描仪分辨率是300PPI。6． 当用户作完“预览”后，设置需要扫描的范围，就可以点击“扫描”按钮，扫描仪将开始扫描的工作。将扫描好的文件，直接传递到尚书7号OCR默认的目录中（默认的存储图像文件的目录是用户计算机C盘下的SHOCR2002目录下的IMAGE目录）。扫描完毕后，请用户关闭掉扫描仪驱动程序SCANWIZARD 5.用户可以看到需要扫描的文件已经传递给尚书7号中，默认的文件名是。7． 请用户选择尚书7号软件中的“编辑”菜单下的“自动倾斜校正”，让尚书7号软件对扫描进来的图像作相应的旋转，以保证图像中的文字是水平排列，而非倾斜。因为太过倾斜的文字，将影响到尚书软件的识别效果。9． 版面分析完毕后，用户可以看到对应的文字块，都有对应的识别框被选择，如下图。10． 用户此时，请注意，对应的识别框，其属性是否正确。识别框分别有“横栏”、“竖栏”、“表格”和“图像”等四种属性，分别有四种不同颜色的选框来表示。11． 核对无误后，用户可以使用“识别”菜单下的“开始识别”按钮。得到的结果如下：12． 此时实际上已经进入文字校对状态：13． 当用户校对完毕后，或者不在尚书7号内作校对，用户可以选择“输出”菜单下的“到指定格式文件”，如下“用户可以看到，识别的结果，有TXT、RTF、HTML、XLS等格式可以选择。默认的输出的目录是用户计算机C盘下的SHOCR2002目录下的OUTPUT目录。用户选择一个对应的文件名，就可以存盘了。为了方便，用户可以选择“输出到外部编辑器”的选项，这样存盘的同时，尚书7号OCR会自动调出对应的编辑软件，如TXT存盘可以自动调用NOTEPAD软件，RTF存盘将自动调用WORD软件，XLS存盘将自动调用EXCEL软件。

一个简单的OCR操作就此完成了。二、 普通文档（只含有文字）的OCR识别 1． 过程与上面所介绍，基本一样，只是用户需要注意存盘格式。 2． 一般，如果用户需要对该文字，进行重新排版工作，请用户选择TXT存盘，然后再将其内容拷贝到WORD中。 3． 如果用户希望保留稿件的原有格式，并能够作版面的恢复，请使用RTF格式存盘，该格式将有版面的恢复功能。但是用户只能针对其中的文字，作一些个别字的调整，无法作大范围的排版方式的修改。目前网络上有许多“OCR文字识别软件”非常不错，可以将“扫描文件转Word”，也就是说 ：我们可以将录入的资料先通过扫描仪扫描成图片形式，然后利用“OCR文字识别软件 ”识别出这些文字，然后转换到Word中去，这样就省去了我们手工录入的麻烦！下面Word联盟就为大家推荐几款比较好的扫描文件转Word软件！ 第一款：Office自带的《Microsoft Office Document Image》软件如果你电脑本身就安装了Office2003或Office2007，就可以直接安装此软件了。安装方法：①单击“开始”进入“控制面板”，打开“添加删除程序” ； ②找到Office2003或Office2007，然后右键单击，选择“更改”；③“添加或删除功能”继续，展开下面的“Office工具”，点击 “Microsoft Office Document Imaging”的前面，选择“从本机运行全部程序 ”，单击“继续”按钮即可开始安装；安装完成后会在“开始”菜单中的“Microsoft

Office”中的“Microsoft Office 工具”里面打开即可使用。

提示：如果你是集成版的Office2007或其他版本的可能无法安装此软件的。不过没关系，看看下面给你推荐其他几款软件！第二款：《汉王PDF OCR》软件大小：34.96 M软件语言：简体中文支持系统：Win7 / Vista / WinXP / Win2000下载地址：/soft/ 第二款：《清华紫光OCR》这款软件支持的图片格式貌似不是很多！软件大小：12.06 M 软件语言：简体中文支持系统：WinNT下载地址：/soft/说明：这种扫描文件转word软件是为了使汉字信息高速输入计算机，以解决低速的信息输入与高速信息处理之间的矛盾，从而提高整个计算机系统的效率。但是这些软件不能够完全输入百分百正确，因为在识别上可能会出现误差，中国汉字那么多，比划相同的也非常多，所以难免会有误差，建议大家在识别完成后仔细检查错别字及乱码！

本文标签： 扫描识别格式文字软件