论坛启用新域名www.gzhucm.com,请继续支持我们
切换到宽版
  • 3952阅读
  • 11回复

《PDF文件转DOC方法》不顶请勿进。认为不好请说理由! [复制链接]

上一主题 下一主题
离线mailpzf
 
只看楼主 倒序阅读 0  发表于: 2006-07-28
— 本帖被 妙手仁心 从 求医问药&学术交流 移动到本区(2008-08-21) —
《PDF文件转DOC方法》不顶请勿进。认为不好请说理由!

方法一:使用Adobe Professional 7.0(也可以是6.0或5.0的,但必须是professional版),对于某些pdf的文件,可以选择“文件”——“另存为”,在“保存类型”里选择"Microsoft word文档(*.doc)",输入新格式的文件名,或保持原文件名称不变,“确定”,即可实现将pdf文件转化为doc格式的文件了,也可以选择“rtf格式”,该格式也是用word打开的,而且和word的格式是没有什么差别的。
方法二:利用中文简体版的office2003中自带的一个插件工具Microsoft Office Document Imaging,
第一步:首先使用Adobe Reader打开待转换的PDF文件,接下来选择“文件→打印”菜单,在打开的“打印”设置窗口中将“打印机”栏中的“名称”设置为“Microsoft Office Document Image Writer”,确认后将该PDF文件输出为MDI格式的虚拟打印文件。
编辑提示:如果你在“名称”设置的下拉列表中没有找到“Microsoft Office Document Image Writer”项,那证明你在安装Office 2003的时候没有安装该组件,请使用Office 2003安装光盘中的“添加/删除组件”更新安装该组件,如图4所示。
第二步:运行Microsoft Office Document Imaging,并利用它来打开刚才保存的MDI文件,选择“工具→将文本发送到Word”菜单,并在弹出的窗口中勾选“在输出时保持图片版式不变”,确认后系统提示“必须在执行此操作前重新运行OCR。这可能需要一些时间”,不管它,确认即可。
编辑提示:目前,包括此工具在内的所有软件对PDF转DOC的识别率都不是特别完美,而且转换后会丢失原来的排版格式,所以大家在转换后还需要手工对其进行后期排版和校对工作。
评论:(1)这种转化方法很方便而且由于是微软自己的,兼容性很好,而且速度也是挺快的,另外在第一步的时候将文件输出为高品质的TIFF文件效果会更好。
(2)但是这种方法仅仅对于文字内容为简体中文的pdf文件有效,在Microsoft Office Document Imaging这个工具的OCR语言选项只有简体中文和英文两种选项,即使把office2003的系统语言换成繁体中文,OCR语言选项里面依然只有简体中文和英文的选项,还是无法实现识别繁体中文的任务。上网寻找微软有没有提供识别繁体中文的插件,只是在台湾微软的下载页面下找到微软为繁体中文版office提供的一个简体中文OCR的辨认引擎,没有能够找到繁体中文的辨认引擎。就此推断,是不是繁体中文版的office2003会有这个繁体中文引擎自带,由于没有找到能用的繁体中文版office2003下载,留待以后再试。
方法三:微软简体中文版office2003没有自带繁体中文的OCR辨认引擎,但是由于它的虚拟打印机提供了TIFF文件的输出(在“打印机”旁边的“设置”里有个“高级”的选项卡可以设置文件输出格式),所以对于一部份繁体中文内容的pdf文件,我们可以采取先将其打印成TIFF格式的文件,然后通过其它OCR软件来进行识别,这些软件中我试用了几种,还是清华文通的OCR9.0比较好,相对识别率比较高,这个软件下载地址为ftp://ftp.math.nankai.edu.cn/pub/win32/tools/ocr/
(可能只有教育网用户才能连接,端口21,匿名就可以访问,用ftp工具下载最好,),还需要一个破解补丁OCR9.0补丁地址:http://www.ihdown.com/soft/2252.htm 。(最下面一个“清华OCR--TH-OCR9.0完全破解”的链接有效。不过这个补丁可能是不完全补丁,所以有些功能还是有限制。)[另外网上也有很多地方提供下载这个软件的破解版的,可以用Google去找找]。安装好这个软件以后,就可以用这个软件打开刚才我们保存的TIFF格式的文件,选择好正确的识别语言(我们选着繁体多体)识别就可以得到txt格式的文件了。
评论:(1)这个软件比较好,你还可以对照原文进行校对,比较方便。需要注意的就是要选好识别语言,并且这个软件识别繁体pdf文件后出来的文本存在较多的错误,需要比较精细的校正一下。
(2)这个软件也有不足的地方,尤其是繁体中文,似乎和原始文件的分辨率有关系,比如益智斋主人给我发的几个文件,怎么也不能识别出来,还需要进一步研究一下。
方法四:这可能是最简单的方法了,就是网上有个免费识别的网站 http://www.netocr.com/ 可以帮你免费识别,具体可以去那里看看。
1条评分
By chemman 威望 +1 | 理由: 谢谢提供信息 2006-07-28
离线flycell
只看该作者 1  发表于: 2006-08-31
顶一下,以后用的着
离线dongdong
只看该作者 2  发表于: 2006-09-03
先顶一下,转头试试。
离线杏仁
只看该作者 3  发表于: 2006-09-03
支持~·
离线sunzhenhui
只看该作者 4  发表于: 2006-09-04
太费力气了把,试试这个软件,爽死!
http://www.51ct.cn/search.asp
[文件处理] SolidConverterPDF PRO(超酷PDF转换WORD工具) v3.0 绿色特别版
SolidConverterPDF v3.0 PRO 绿色特别版 PDF转换为WORD,TXT,图片等格式工具对中文支持一级棒,是目前同类软件中最出色的 基于11.13日发布的破解版肚朝前@cnfan.org原创提取绿化 免安装,免注册. 直接解压就可用 (若第一次运行弹出注册界面,可..
1条评分
By chemman 贡献值 +1 | 理由: 感谢您的意见 2006-09-04
只看该作者 5  发表于: 2006-09-04
那个SolidConverterPDF PRO下载不了啊,谁下载了发给我好吗?zp119@163.com
我现在忙着做05药典的word版。很需要这个软件,谢谢
离线drlinhan
只看该作者 6  发表于: 2006-09-04
用得到,很好!
离线雪菖蒲
只看该作者 7  发表于: 2006-09-08
不过很多PDF转成DOC以后都会或多或少出现乱码的情况
所以有时也不见得好用
呵呵
还是支持一下吧
离线flycell
只看该作者 8  发表于: 2006-09-20
多少会出现乱码的。
离线flycell
只看该作者 9  发表于: 2006-09-20
下载的了啊