汉王新系统可编辑11种PDF文档

汉王新系统可编辑11种PDF文档
在我国电子政务建设过程中，以PDF为格式的电子文档得到了广泛的应用。

相比较而言，PDF具有许多其他电子文档格式无法相比的优点，如完全保持纸质文档原样、存贮空间小、便于网络传输等。

问题：PDF文档无法编辑
作为一种图像格式，PDF的只读特性为它带来了缺陷：只能看，无法进行文本编辑、复制和引用，PDF文档之间也无法相互引用和检索，大量文档只能是一堆死的文字，而不是可应用的流动的信息。

这些成为电子政务应用中的一个老大难问题。

这个问题该如何解决？面对不同部门、不同内容的PDF 文档，如果要拷贝和检索，要将全部信息进行统一整理和归类，政府部门可以采取的一种办法就是用人工方式将它们重新整理录入，统一制作成某种文本格式(如Word 或txt)。

显而易见，如果采用人工录入的方式，不但占用了大量人力和时间，消耗了宝贵的政府资源，还会因人工录入而产生较高的错误率，从而对政府信息传递的有效性产生不良的影响。

据汉王科技副总裁李志峰介绍，早在2002年，汉王就
以敏锐的市场洞察力觉察到了各级政府机关面临的这个老
大难问题，并率先提出了解决该问题的思路。

从那时起，如何使政务信息流动得更通畅、信息利用率变得更高，如何更好地帮助政府机构实施电子政务工程，这些问题就一直萦绕在汉王人心头。

在随后的几年里，汉王一方面密切关注政府机关PDF文档转换为文本文档的现实需求，另一方面积极组织大量科研人员进行难题攻关。

创新：实现格式转换
近期，汉王科技应用OCR领域的最新技术，推出了全新的汉王PDF图像OCR识别系统。

该系统支持打开多种编码方式的PDF文件，将PDF页面完整地转换成图像，然后在系统中将其识别为可编辑的文本。

用户根据需要对识别出的文字、图片、表格数据进行修改调整，并保存为Word、RTF、Excel、txt、普通PDF、双层PDF等文件格式。

该系统为政府办公量身打造，无缝整合了PDF文档录入、图像处理、版面分析识别和文本转换的全过程，使得大量PDF 格式文档无法编辑、复制和检索的难题迎刃而解，彻底解决了PDF格式文档内容检索的老大难问题。

通过应用汉王PDF图像OCR识别系统，政府机构多版本
的PDF文档都可以成为单一的文本格式，可以加强政府机构对文档进行科学且高效管理的能力，充分实现各类信息的在线检索、查询、浏览和阅读功能，从而为海量信息的交叉检索、内容的进一步发掘提供了现实可能性。

据悉，汉王PDF图像OCR识别系统可以涵盖全部11种PDF图片存储格式，在对PDF文档进行检索与编辑的时候，还可以保留原始文件。

此外，公式识别曾经是业界公认的大难题，许多PDF文档也存在这个亟待解决的问题，即复杂的数学、物理公式及化学反应方程式的识别和转化。

对此，李志峰表示，汉王PDF图像OCR识别系统也成功解决了PDF
文档格式中公式识别的问题。

目前，该系统已经在多个中央部委中得到了应用，同时也引起了诸多地方政府机构的关注。

链接: 关于PDF
PDF(Portable Document Fromat)文件中文名称为可携式
文件，是一种平台无关的结构化文件格式，无论原始文件采用的字体、图像格式如何，生成后的PDF文件可以在Windows 和Linux系统下精确呈现出文件原有的效果。

PDF文件数据组织形式灵活多样，可用多种编码方式对文本图像数据进行编码，并可以对文件数据进行加密。

这使得PDF文件在显示印刷、存储空间、网络传输、信息安全等
方面都优于其他众多的电子文档格式。

PDF编码方式目前有ZIP、LZW、CCITT、JPEG、JPEG2000等。