图片(PDF文件)中文字提取

  • 格式:doc
  • 大小:554.00 KB
  • 文档页数:7

如果你需要将图片(PDF文件)中的文字提取出来。

我这里就教你一个方法吧。

首先可以利用Office 2003组件。

运行Office 2003安装包,或者已安装的就出现以下图片。

不过刚装的就少了这个过程了。

接着在勾选“选择应用程序的高级自定义”这里要注意的是刚装的在选择安装时要选自定义,而不是默认的“经典”
打开Office工具→Microsoft Office Document Imaging,按提示选择安装“扫描、OCR和索引服务筛选器”和“Microsoft Office Document Image Writer”
进行更新完毕后。

在安装Microsoft Office Document Imaging组件后,Windows XP系统会自动安装一个名为“Microsoft Office Document Imaging Writer”的打印机(虚拟打印机)。

Imaging 组件可以通过这个虚拟打印机,将PDF文件所保存的信息识别,从而达到将它直接转换输出到Word 等文字编辑工具中的目的。

第二步:用Adobe Reader 打开想转换的PDF文件,接下来选择“文件→打印”菜单,在打开的“打印”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
然后,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
在弹出的“将文本发送到Word”窗口中选中“所有页面”和“ 在输出时保持图片版式不变
确认后系统会提示“必须在您执行此操作前识别该文档中的文本(OCR)。

这可能需要一些时间”,不管它,点击确定即可
识别完成后,系统会自动调出Word
,这时你就可以看到,刚才还不能编辑的文字,乖乖的出现在
Word 编辑窗口中
需要说明的是,利用Office 2003
实现PDF 文件转的
Word 文档不是特别完美,转换后会丢失原来的排版格式,所以转换后还需要手工对其进行排版和校对。