各种格式文件OCR成word文件的方法

帮助 | 留言交流 | 登录

首页我的图书馆主题阅读精彩目录精品文苑Tags 会员浏览好书推荐

各种格式文件ocr 成word 文件的方法（转载）

kingguy 收录于2010-02-08 阅读数：查看 收藏数：5 公众公开 tags ： 学习

欢迎浏览 kingguy 个人图书馆中收藏的文章，想收藏这篇好文章吗，赶快

吧，1分钟拥有自己的个人图书馆！

我也要收藏

举报

以文找文

如何对文章标记，添加批注？

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 7专业版，注意不是acrobat reader （下载 /soft/4/136/2006/Soft_29430.html ），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（下载

/soft/188/215/2006/Soft_28356.html ），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（下载/soft/4/85/2006/Soft_29750.html ），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（下载地址 /soft/4/136/2006/Soft_29737.html ）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（下载地址

/soft/31/91/2006/Soft_27810.html ）的ocr

热点推荐

★◎★史上最全的电脑常... 短线——最新、最绝的一招 大脑十大奇妙事

传说中的上海第一美女（... 捷径：三个月掌握三年的经验 别盲目创业：看看你是不... 中国女性之美，经典图帖 买基金要走出三个误区-... 纽约摄影学院中国学员班... 一名董事长给大学生的1... 不要因为工作不好而辞职 钱穆 中国知识分子 22个健康好习惯，助你... 真正的贼眉鼠眼---暴... 2006，他们随风而逝 情人的季节 玫瑰的淑女... 品茗夜读 - 幽谷一泓... 1996到2006：中... 追 梦

世界十大不可思议的地方

Google 提供的广告 免费下载相框 简历下载 简历模板下载 视频播放器下载

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（下载 /soft/31/46/2006/Soft_29690.html）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LJ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。

欢迎浏览kingguy 个人图书馆中收藏的文章，想收藏这篇好文章吗？

赶快吧，1分钟拥有自己的个人图书馆！

上一篇：A4、A5、A6、B5这些纸张是怎样由来的？

下一篇：正月为什么不剃头

我也要收藏

复制网址发给朋友 (kingguy的分类目录 [百科知识])

相关文章

Office组件轻松把PDF文件转成Word文档2007-03-16 w3322laile123 [资源]

不需要软件即可使pdf文本转换为word的方式2005-08-15 rainsunny 关于 Microsoft Office Document Ima...2010-01-13 blnw

OFFICE2003中实现PDF转WORD的简单方法2005-12-16 w3322laile123

Google 提供的广告

主题阅读

当爸爸妈妈老了的时候（... 绝版二十四孝图

可怜鸟兽父母心

谁娶这种妻子谁就不是人! 三袋米的故事（感人故事） 哑巴父亲的爱

请大家爱你的父母 看一... 孝敬父母者必看（强荐） 儿呀，娘想做你家的一条... 喊一声妈妈 我泪流满面

最安全的姿势——让人不... 劝孝歌

Antenna House

XSL Formatter XML to PDF - Windows, Linux & Unix