2022-12-30 10:02:26
如何把pdf中的文字部分复制到word里面 格式不要变乱...
可检索内容的pdf(内容可以用鼠标选中的非双层pdf)文件
推荐用下面软件转换
1.1 用 anybizsoft pdf converter v2 转换
1.2 用 solid converter pdf v6 转换,
这两个效果都是蛮好的,特别是solid converter pdf v6 .
2. 对于是图片做成的pdf(特别是扫描件做成的pdf)文件
推荐用下面软件转换
2.1 页数比较少的用 cajviewer 7.0 (带ocr组件完整版) ,支持直接打开pdf文件,识别文字。
2.2 页数比较多的可以用 readiris corporate 12软件来进行识别 (需要安装亚洲语言包,不然不识别中文)
2.3 页数比较多的还可以用 abbyy finereader 9或者9以上版本(有简体中文版)进行识别转换。
这个软件的识别率很高,转换出来的版面基本保持原样。
上面几个软件的识别率都还可以,不建议用什么office组件识别,太麻烦识别率也不高。
word转成pdf后,上页的图片上的文字跑到了下一页 - ...
用用其他转化工具哦,比如下面这一款虚拟打印机:)我用了还不错哦。
雪莹docconvert是一款文档转化工具,它通过虚拟打印的技术将任何文档转化为pdf,jpg,bmp,tiff,pcx,png等等文档格式。
docconvert 0.6在0.55的基础上重写了转化核心并做了大量改进,主要有以下几点:
1、全面实现了对windows vista/7/2008的支持
2、重写了转化内核,转化速度大量提高
3、优化了水印的显示效果
4、改进了大量缺陷
docconvert 0.55的功能如下:
1、增强了水印的功能,实现了多种水印效果,水印位置的设置,在指定的页面显示水印.........
2、实现了文件右键->docconvertor直接转换成相应文档 ,即contextmenu功能。
原来的功能有
1、支持输出页面大小和分辨率的设置
2、支持输出水印的设置
3、支持输出文档格式的设置
4、支持图片输出压缩和色彩的设置
5、支持pdf文档属性的设置
6、支持pdf安全性的设置(密码,打印,复制等权限的设定)
7、支持pdf内嵌字体的设置
8、支持转化后自动发送电子邮件的功能
9、支持转化后设置程序自动打开的功能
10、自动保存的功能
11、支持任何文档到pdf,jpg,bmp,pcx,png,tiff等转化
pdf转换后的word文字和原版面一样,每行的字数是固定...
对于你的描述 可以判断你的文件是图片做成的,solid是没有办法处理这样的文件的~~你可以按下面的方法做~~~这是我不断的实践中自己总结的:
2. 对于是图片做成的pdf(特别是扫描件做成的pdf)文件
推荐用下面软件转换
2.1 页数比较少的用 cajviewer 7.0 (带ocr组件完整版) ,支持直接打开pdf文件,识别文字。
2.2 页数比较多的可以用 readiris corporate 12软件来进行识别 (需要安装亚洲语言包,不然不识别中文)
2.3 页数比较多的还可以用 abbyy finereader 9或者9以上版本(有简体中文版)进行识别转换。
这个软件的识别率很高,转换出来的版面基本保持原样,还可以手动人工框选识别,缺点就是识别速度较慢。
上面几个软件的识别率都还可以,不建议用什么office组件识别,太麻烦识别率也不高。
3. 对于一些不允许做修改的pdf文件(就是加密加了权限的pdf),那么就先要去除密码或者去除数字证书,才能照上面两个步骤做~~~
请参考
如何将pdf格式转化为word格式,请高手指点
pdf工具栏中有个文本选择和文本查看器的按钮,点击即可变成word格式,进行复制粘贴,应该找得到的
pdf已经是图片格式了 要转word只能如下
一、“选择文字工具,选好了贴到word里”
如果你的pdf文件是用文字制做而不是图片制做的,可以“在adobe acrobat 7.0中有选择文字的工具,可以选好了贴到word里”。但是根据你介绍的情况,你的pdf文件是用图片做的,所以不能用这种方法。
二、批量截图
截图的办法对于不是很清楚的图片来说,并不可取,因为它要么会损失信息,要么会如楼主所说加大工作量。
我建议你先用adobe acrobat中的导出功能,将这个文件导出为图像。做法:在上面菜单上选文件>导出>提取图像为>jpeg文件(其他二种也行,jpeg文件比较小),再按提示,选择一个适当的文件夹,保存图像 。
这种方法保存下来的一张张图片,比你一页页截图省力多了,而且保留了原文件的全部信息。不过500页可不一个小数,会很慢,但至少不用你亲自动手干预了。
三、批量识别
如果你想进行编辑,就必须进行ocr识别。关键在于你如何能够批量进行这个工作。
好一点的ocr软件都可以一次导入多幅图片进行识别,然后输出。不过,好像500页的确有点多了,我从来也没有超过50页的记录,通常也就是二、三十页。就算50页,也比一页一页强,是吧?
我用过不少ocr软件,觉得汉王文本王、清华紫光th比较好用。它们的识别率都非常高,还可以识别表格、繁体字、英文、竖排文字等;输出方式也很灵活,可以只输出文字,也可以按原稿排版格式输出word文件;使用起来也都不复杂。 不知你用的是什么版本的汉王,识别率会那么低。我有的时候识别质量很次的报纸上的文章,它的识别率也还是可以接受的。
四、提高识别率
如果你的底图质量非常差的话,建议你先在图片处理软件中将导出的图片进行放大、去点、锐化等处理,然后再送到ocr中识别。
我估计,你可能还是送入ocr的图片损失了部分原文的信息,造成识别率下降。因为你既然能放大,放大后截图的识别率还可以,那就说明原图的信息足够ocr识别了。只是你在操作过程中损失了部分东西。
所以,我建议你:
1)先将你的pdf文件导出5-10页图片出来
2)用汉王等ocr软件进行批量识别(识别中注意将不规则的部分框除)
3)输出成word文档
如果它们能很顺利地被识别出来,那后面的事就不用我说了。如果不行,那就真的是你的底图的问题了,这就需要对导出的图片进行批量修正处理。