五千年(敝帚自珍)

主题:从PDF文件中提取文字的问题。 -- johny

共:💬31 🌺5
全看分页树展 · 主题 跟帖
家园 我有简单一法,可以帮兄达到目的,分三步走。

如果你装有Office system 2003的话(应该不会没有吧),可以这样做:(我不知道其它版本的行不行,我用的是2003)

一、把你的文档打印到Microsoft Office Document Image Writer上,这是个Office虚拟出来的打印机。打印出来应当是个.mdi的文档。

点看全图

二、用Microsoft Document Imaging打开之。在tools-options中选OCR Tab,把OCR Language改成你需要的。然后在tools中选Recognize text using OCR。软件这时候就开始自动扫描图片中的文字,并把图片最后转换成文字。

点看全图点看全图

三、最后一步,tools->Send text to Word。大功告成!

附原来图形PDF和生成的Word纯文本

[SIZE=3]原文档[/SIZE]

点看全图

[SIZE=3]转换后的纯文本[/SIZE]

点看全图

图中的文字看不清楚不是因为转换的不好。是由于为了上传,把文件大小限制在100K以内,所以图片质量只好妥协了。

最后Word生成的版面已经失去了原先的样式了,当然文字都已经“抠”下来了。版式已经失去了,需要您去重排。但如果只是想纯粹的copy+paste的话,就不必麻烦去排版了。

如果兄台试验成功的话,以后可以多多为西西贡献好文哦

元宝推荐:Highway,
全看分页树展 · 主题 跟帖


有趣有益,互惠互利;开阔视野,博采众长。
虚拟的网络,真实的人。天南地北客,相逢皆朋友

Copyright © cchere 西西河