admin管理员组

文章数量:1531275

2024年3月13日发(作者：)

教你把pdf或CAJ转成OCR（word可复制格式）

现在网上的许多资料都是以CAJ、PDF等文件格式提供的，其中的文本不能被直接编

辑。网上提供了许多处理这种情况的软件，但是它们不是效率低，就是只能提取其中部分

文本。本文所述利用微软提供的OCR识别技术从CAJ、PDF等文件中提取全部文本的方

法，简便快捷，效率很高。

从不同格式的文件中提取文本前需要做好以下准备工作，安装CAJViewer5.5浏览器

软件和acrobat 5 专业版浏览器软件安装Office2003，并完全安装Of?鄄fice工具

Microsoft Office Document Imaging，然后在打印机里面会增加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。

一、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浏览器程序，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。

二、PDF文件的识别

（一）以文本形式保存的PDF文件，用acrobat 5 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，然后复制到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 Im?鄄age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”

三、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。

四、后记

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:windowstemp目录下的虚拟打印文件，否则C盘很快会被用光。

本文标签： 文件打印识别选择文本

版权声明：本文标题：教你把pdf或CAJ转成OCR 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dongtai/1710340678a260438.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。