將圖片中的文字提取出來、將PDF文件轉換成word文檔以及將圖片中的網址和文字去掉的方法
|
最近這段時間，由于要編寫一文檔，我搜集了相關的內容。需要用到的內容在pdf文檔中，因此，尋找出將pdf文件轉換成word的文檔或者是將pdf中的文字、圖片提取出來是關鍵。在此，我將所用到的轉換軟件以及相關的要點寫下來，方便有此需要的各位查閱。
將pdf轉換成word文檔中，我分別試用了兩個軟件進行轉換：（1）Adobe Acrobat 7.0 Professional（2）PDF2Word (pdf輸出word)綠色漢化版 V3.0。Adobe Acrobat 7.0 用法為，用Acrobat 7.0打開pdf文件，然后打開“文件”菜單點擊“另存為”然后將保存類型改為Microsoft word文檔，即可將pdf轉換為word文檔，不過此種方法比PDF2Word 3.0的轉換效果差，我試驗了轉換幾篇pdf文檔，PDF2Word 3.0的轉換效果要比Acrobat 7.0好，因此建議用PDF2Word 3.0來進行轉換。PDF2Word 3.0下載可點擊其超鏈接進行下載。
將pdf轉換成word文檔容易，但有種情況，將pdf文件轉換成word文檔后，在word文檔種，里邊的文字不能編輯，文字都是由一張張圖片組成的，碰到這種情況，難道我們只能一個一個的看著圖片將文字錄入文檔中再編輯嗎？我找了幾個軟件來將圖片中的文字，提取出來保存到word文檔中，易于我們進行編輯、排版等操作。其中我試用感覺 用Office 2003提取圖片中的文字，準確度較高。方法如下：
（1） 我們需要安裝“Microsoft Office Document Imaging”的組件，點“開始→程序”，在 “Microsoft Office 工具” 里點“ Microsoft Office Document Imaging” 即可安裝運行。
（2） 打開帶有文字的圖片或電子書籍等，找到你希望提取的頁面，按下鍵盤上的打印屏幕鍵（PrintScreen）進行屏幕取圖。
（3）打開Microsoft Office Word 2003 ，將剛才的屏幕截圖粘貼進去；點擊“文件”菜單中的“打印”，在安裝Microsoft Office Document Imaging組件后，系統會自動安裝一個名為“Microsoft Office Document Imaging Writer”的打印機。
“Microsoft Office Document Imaging Writer”打印機，其他選項無須額外設置，點擊“確定”按鈕后，設定好文件輸出的路徑及文件名（缺省使用源文件名），然后很快就可以自動生成一個MDI格式的文檔了。
打開剛才保存的MDI類型文件，根據你的需要用鼠標選擇文字內容（被選中的內容在紅色的框內），然后單擊鼠標右鍵，在彈出的快捷菜單中選擇“將文本發送到Word”，即可將圖片內容自動轉換為一個新的Word文檔，然后你就可以在Word文檔中隨心所欲地進行編輯這段文字了。
或者 打開MDI文檔，選擇“工具”菜單，選中“將文本發送到word”，然后一直按確定就可以了。完成了將圖片中的文字作為文本發送到word中后，我們就可以在word中對該文檔進行編輯、排版等操作了。
將圖片中的文字提取出來，我試用了其他OCR文字識別軟件以及用上面這種方法來操作，提取出的文字都有些錯別字或者是出現其他字符等。相對來說對于，用“Microsoft Office Document Imaging”組件來提取的方法，提取出的文字正確率較高。
將圖片中的網址和文字去掉的方法
可以用圖象處理軟件，比如PS，最好不要使用橡皮工具，會把想要的的背景色也給涂掉的，
建議使用圖章工具，慢工出細活，只能一點一點地修改了。
若其他朋友有更好的方法，請給予告知，大家相互學習，共同進步。
|
|
