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

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

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 http://www.77cn.com.cn/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

http://www.77cn.com.cn/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http://www.77cn.com.cn/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 http://www.77cn.com.cn/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

http://www.77cn.com.cn/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

各种格式文件OCR成word文件的方法

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 http://www.77cn.com.cn/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 …… 此处隐藏：2475字，全部文档内容请下载后查看。喜欢就下载吧 ……