文逸网 ::::帖子标题: （转贴）各种格式文件ocr成word文件的方法

首页 | 新闻 | 论坛 | 博客 | 专题 | FTP | 金融 | 微博 | 图库 | MyHome | 搜索 | 登陆 | 注册 | 帮助 | 设为首页 ·在线人数: 2382

您的位置：首页 > 小文论坛 > 求助中心 > （转贴）各种格式文件ocr成word文件的方法

发表新帖

我的主页

用户登陆

返回上页

收藏本帖

文友爬行榜

标题：（转贴）各种格式文件ocr成word文件的方法

[作者] dsj [发表时间] 2004/11/21 19:13:18 [回复] 10 [点击] 2544

[作者] dsj [头衔] 论坛坛主 [经验] 220862 [等级] 大主帅 [发帖] 15642 [回帖] 1366 [登陆] 7956

[发表时间] 2004/11/21 19:13:18 [楼主]

标题： （转贴）各种格式文件ocr成word文件的方法

各种格式文件ocr成word文件的方法（作者：qhyqhy）

你还在为不同格式的文件怎么变成word文件发愁吗？各种识别软件各有缺陷，识别效率低，让你痛苦不堪，有的只能识别字，对表格和图形无能为力，识别完了，版面乱七八糟，无法使用。现在好了，本文针对各种情况下文字识别进行总结，帮助大家掌握正确方法，节省时间，本文给出了所有情况下全文件表格、图形、文字识别的完美解决方案：

1、PDF文件的识别：

1）文件可以直接识别的（以文本形式保存的PDF文件）：安装acrobat 5 专业版，注意不是acrobat reader，直接另存为rtf文件（识别整个文件），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等中。

2）文件不能直接识别的（以图片形式保存的PDF文件）：安装office2003，并装上office工具Microsoft Office Document Imaging（完全安装此工具），然后在打印机里面会增加Microsoft Office Document Image Writer打印机，然后将PDF文件打印到此打印机，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，然后选择“工具”菜单下的“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。

注意：Microsoft Office Document Image可以非常准确的全文件识别转化中文、英文、表格，但是无法将图形输出到word，而是把文件中的所有图形单独形成一个个独立的图片文件，放在相同位置的一个相同名称的文件夹中，因此可用snagit软件将图形打开，然后复制到word中。（所有的识别软件都不能很好的处理图形的识别问题，Microsoft Office Document Image的这种处理方法已经是非常好的解决这个问题了。）

3）加密的Pdf文件：先下载解密软件，解密后在参看1),2)
4）繁体pdf文件：用2)的方法识别到word后，用word中的“工具”－－“语言”－－－“中文繁简转换”

2、caj文件的识别：

1）局部文字识别：直接使用caj浏览器的ocr
2）全文件识别：打印到Microsoft Office Document Image Writer打印机，后面和上面的2)操作一样
3）博硕论文全文下载：在线阅读博硕论文，待可以看到最后一页后，不要关闭caj浏览器，到caj安装目录下cache中找到一个较大的文件，拷贝到其他位置即可。然后使用2)全部转化为word。

3、超星文件的识别：

1）局部文字识别：直接使用超星浏览器的ocr
2）全文件识别：打印到Microsoft Office Document Image Writer打印机，后面和上面的2)操作一样，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，在合并到一起。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。此外在打印选项中，还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，但是最后当你看到轻松的生成全本书的word版本时，你会欣喜若狂的，呵呵。我的试验结果是一本280页的书，识别需要几分钟的时间。

3）超星相对比较麻烦一些，如果还有问题，可以先把超星打印成完整的pdf文件，然后在用1、的方法转成word

4、其他情况下的识别：

使用snagit软件将任何形式的文字可以变成图片，例如使用snagit将屏幕拷贝成图片，然后右键点击图片文件，用microsoft Office Document Image打开图形，其他和2)一样。

注意：其他的各种识别软件请不要在用，因为要么只能识别中文，要么只能识别英文，要么不能识别整个文件，要么不能识别屏幕拷贝图像，要么识别误差很大，要么不能识别表格，要么需要注册，要么识别速度很慢，要么使用不便（和word结合不紧），这些软件包括：紫光ocr，万方pdfocr，尚书，汉王，ScanSoft PDF Converter，pdf2word，以及各种被推荐的软件等等，我都装过，现在都像垃圾一样删除了。只要安装了acrobat 专业版，snagit，office2003，现在你可以完美的做任何事，最重要的是这几个软件很好得到。

针对一些问题的补充：
经过一些试验，发现microsoft Office Document Image 存在一些不稳定的问题，例如在用caj打印到Microsoft Office Document Image Writer打印机时，发现用caj5.5版本比较快，（caj5.5不能加升级补丁），而caj5.0有时出现假死机。
另外页面显示大时，转化的识别率较高。
如果页数多的文件，包括超星，如果有问题，可以分多次转化。

再次补充：
1、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和C盘空间以及内存空间，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，同时打印时在右下角系统栏中会出现打印机图，你可以双击，看到打印任务的进度，以免以为死机了。另外转化完成后请删除c:\windows\temp目录下的虚拟打印文件，否则你的c盘很快会被用光。

2、建议如果发生打印到Microsoft Office Document Image Writer很慢或者假死的情况，可以先打印到snagit虚拟打印机，会自动生成tiff文件，速度比Microsoft Office Document Image Writer快，然后在snagit中，选择打印机为Microsoft Office Document Image Writer打印机，（相当于再打印到Microsoft Office Document Image Writer打印机），然后选择snagit---outputs下的printer，然后选择snagit----file----finish output，即可生成msi文件，其他一样。转化完成后请删除c:\windows\systems32\snagit临时文件。

3、caj5.5不能下载博硕论文，无法打开下载的论文，要用caj5.0下载。

分享到：

我的QQ群：500人财富群11470502；投资群5920530；资源群6648659；交友群5713862；娱乐群6925950。
我的博客：

http://104508155.qzone.qq.com/

【管理此帖】【给我留言】【回复】

[作者]yaogx [头衔]认证会员(综) [经验]1410 [等级]二等兵 [发帖]105 [回帖]103 [登陆]326

[发表时间]2004/11/21 20:29:14 [1楼]

好东西，有空的时候试一试。

【管理此回复】【给我留言】【回复】

[作者]lby75 [头衔] [经验]16 [等级]三等兵 [发帖]45 [回帖]0 [登陆]16

[发表时间]2004/11/23 21:00:38 [2楼]

很有用处,支持一下!!!!!!!!!!!!!!

【管理此回复】【给我留言】【回复】

[作者]lrjwyq [头衔] [经验]20 [等级]三等兵 [发帖]26 [回帖]-1 [登陆]74

[发表时间]2004/11/25 17:44:00 [3楼]

很有用处,大力支持!!!!!!!!!!!!!!

【管理此回复】【给我留言】【回复】

[作者]stng2003 [头衔] [经验]268 [等级]三等兵 [发帖]28 [回帖]1 [登陆]66

[发表时间]2004/11/26 10:51:46 [4楼]

谢谢，从你那里总能得到很多有用的信息！

【管理此回复】【给我留言】【回复】

[作者]xyj66770148 [头衔] [经验]14 [等级]三等兵 [发帖]22 [回帖]0 [登陆]44

[发表时间]2004/11/26 16:45:43 [5楼]

ding,ding,ding

【管理此回复】【给我留言】【回复】

[作者]jiangshengping [头衔] [经验]395 [等级]中士 [发帖]47 [回帖]0 [登陆]242

[发表时间]2004/11/26 17:04:22 [6楼]

谢谢老大了，我学到不少东西啊。长见识。

永远支持小文！！！

【管理此回复】【给我留言】【回复】

[作者]wall1999 [头衔] [经验]194 [等级]一等兵 [发帖]68 [回帖]10 [登陆]110

[发表时间]2004/11/26 21:28:23 [7楼]

精彩好文，读后有益。谢谢。
只是我用的98系统，弄不成office2003。

【管理此回复】【给我留言】【回复】

[作者]ouyangjinchun [头衔]高级认证会员 [经验]51635 [等级]一等兵 [发帖]16 [回帖]84 [登陆]488

[发表时间]2005/4/13 16:35:47 [8楼]

受益匪浅，谢谢

【管理此回复】【给我留言】【回复】

[作者]金凤凰 [头衔]初级认证会员 [经验]1586 [等级]上尉 [发帖]35 [回帖]86 [登陆]156

[发表时间]2005/4/14 12:05:31 [9楼]

2）文件不能直接识别的（以图片形式保存的PDF文件）：安装office2003，并装上office工具Microsoft Office Document Imaging（完全安装此工具），然后在打印机里面会增加Microsoft Office Document Image Writer打印机，然后将PDF文件打印到此打印机，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，然后选择“工具”菜单下的“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。

注意：Microsoft Office Document Image可以非常准确的全文件识别转化中文、英文、表格，但是无法将图形输出到word，而是把文件中的所有图形单独形成一个个独立的图片文件，放在相同位置的一个相同名称的文件夹中，因此可用snagit软件将图形打开，然后复制到word中。（所有的识别软件都不能很好的处理图形的识别问题，Microsoft Office Document Image的这种处理方法已经是非常好的解决这个问题了。）

这个方法很好!
大主帅真好人呀~~~

【管理此回复】【给我留言】【回复】