各種格式文件ocr成word文件的方法

[psac]

各種格式文件ocr成word文件的方法

你還在為不同格式的文件怎麼變成word文件發愁嗎？各種識別軟體各有缺陷，識別效率低，讓你痛苦不堪，有的只能識別字，對表格和圖形無能為力，識別完了，版面亂七八糟，無法使用。

現在好了，本文針對各種情況下文字識別進行總結，說明 大家掌握正確方法，節省時間，本文指出了所有情況下全文件表格、圖形、文字識別的完美解決方案：

1、PDF文件的識別：

1）文件可以直接識別的（以文本形式儲存的PDF文件）：安裝acrobat 5 專業版，注意不是acrobat reader，直接另存為rtf文件（識別整個文件），或者選項工作列上的文字選項按鈕，然後選項文字區域，然後複製到word等中。

2）文件不能直接識別的（以圖片形式儲存的PDF文件）：安裝office2003，並裝上office工具Microsoft Office Document Imaging（完全安裝此工具），然後在列印機裡面會增加Microsoft Office Document Image Writer列印機，然後將PDF文件列印到此列印機，選項列印形成的文件的儲存位置，然後會自動形成一個MDI文件，並且自動用Microsoft Office Document Image開啟此文件，然後選項「工具」表單下的「使用ocr識別文本」，識別完成後，在選項「工具」下的，「將文本傳送到word」，最後將把整個PDF文件識別輸出到word文件中。

注意：Microsoft Office Document Image可以非常準確的全文件識別轉化中文、英文、表格，但是無法將圖形輸出到word，而是把文件中的所有圖形單獨形成一個個獨立的圖片文件，放在相同位置的一個相同名稱的資料夾中，因此可用snagit軟體將圖形開啟，然後複製到word中。

（所有的識別軟體都不能很好的處理圖形的識別問題，Microsoft Office Document Image的這種處理方法已經是非常好的解決這個問題了。）

3）加密的Pdf文件：先下載解密軟體，解密後在參看1),2)
4）繁體pdf文件：用2)的方法識別到word後，用word中的「工具」－－「語言」－－－「中文繁簡轉換」

2、caj文件的識別：

1）局部文字識別：直接使用caj瀏覽器的ocr

2）全文件識別：列印到Microsoft Office Document Image Writer列印機，後面和上面的2)操作一樣

3）博碩論文全文下載：在線閱讀博碩論文，待可以看到最後一頁後，不要關閉caj瀏覽器，到caj安裝目錄下cache中找到一個較大的文件，拷貝到其他位置即可。然後使用2)全部轉化為word。

3、超星文件的識別：

1）局部文字識別：直接使用超星瀏覽器的ocr

2）全文件識別：列印到Microsoft Office Document Image Writer列印機，後面和上面的2)操作一樣，要注意的是，超星列印功能有點區別，因為超星是目錄和全文分開的，所以列印時，需要分別把目錄和正文識別到word中，在合併到一起。列印時要填入列印頁碼從1到最後一頁，不要選項列印全部。此外在列印選項中，還要將頁面比例設成真實大小，而不是整寬。


注意：識別速度比其他格式要慢很多，請保持耐心，但是最後當你看到輕鬆的產生全本書的word版本時，你會欣喜若狂的，呵呵。我的試驗結果是一本280頁的書，識別需要幾分鍾的時間。

3）超星相對比較麻煩一些，如果還有問題，可以先把超星列印成完整的pdf文件，然後在用1、的方法轉成word

4、其他情況下的識別：

使用snagit軟體將任何形式的文字可以變成圖片，例如使用snagit將螢幕拷貝成圖片，然後右鍵點擊圖片文件，用microsoft Office Document Image開啟圖形，其他和2)一樣。

注意：其他的各種識別軟體請不要在用，因為要麼只能識別中文，要麼只能識別英文，要麼不能識別整個文件，要麼不能識別螢幕拷貝圖像，要麼識別誤差很大，要麼不能識別表格，要麼需要註冊，要麼識別速度很慢，要麼使用不便（和word結合不緊），這些軟體包括：紫光ocr，萬方pdfocr，尚書，漢王，ScanSoft PDF Converter，pdf2word，以及各種被推薦的軟體等等，我都裝過，現在都像垃圾一樣移除了。只要安裝了acrobat 專業版，snagit，office2003，現在你可以完美的做任何事，最重要的是這幾個軟體很好得到。

針對一些問題的補充：

經過一些試驗，發現microsoft Office Document Image 存在一些不穩定的問題，例如在用caj列印到Microsoft Office Document Image Writer列印機時，發現用caj5.5版本比較快，（caj5.5不能加昇級修正檔），而caj5.0有時出現假當機。

另外頁面顯示大時，轉化的識別率較高。


如果頁數多的文件，包括超星，如果有問題，可以分多次轉化。

再次補充：

1、由於虛擬列印到Microsoft Office Document Image Writer 比較慢，並且形成的虛擬文件很大，1本200多頁的書大約是60Mb，因此會嚴疊影響機器的執行速度和C碟空間以及記憶體空間，建議組態好的機器一次轉化不要超過200頁，組態差的不要超過100頁，同時列印時在右下角系統欄中會出現列印機圖，你可以雙按，看到列印工作的進度，以免以為當機了。

另外轉化完成後請移除c:\windows\temp目錄下的虛擬列印文件，否則你的c碟很快會被用光。

2、建議如果發生列印到Microsoft Office Document Image Writer很慢或者假當的情況，可以先列印到snagit虛擬列印機，會自動產生tiff文件，速度比Microsoft Office Document Image Writer快，然後在snagit中，選項列印機為Microsoft Office Document Image Writer列印機，（相當於再列印到Microsoft Office Document Image Writer列印機），然後選項snagit---outputs下的printer，然後選項snagit----file----finish output，即可產生msi文件，其他一樣。

3、caj5.5不能下載博碩論文，無法開啟下載的論文，要用caj5.0下載。