pdf导word乱码-pdf里面的文字可以复制,可是粘贴到word或txt里面就...

http://www.skycn.com/soft/20929.html
solid converter pdf是一套专门将pdf文件转换成doc的软件，除了转换成doc文件外，还可以转换成rtf以及word xml文件。除此之外，它还有一个图片撷取功能，可以让我们将pdf档里的图片撷取出来，以及将pdf档里的表格撷取出来，并输出到excel里，方便我们编辑表格里的资料。

前不久！我对我的windowsxp做了一番大规模的设置：包括区域、系统、网络等方面的，结果当我设置完成以后，发现如果我从一些软件上复制内容到记事本里面会出现乱码，而且如果复制到word里面也不能够正常显示，除非复制到ultraedit里面。结果当然是我只能用ultraedit做中转站，把从一些软件上要扶植的内容先复制到ultraedit里面，然后在复制到其他的软件中去，这样做很是麻烦，但是我又没有其他更好的办法，为此事我还到一些网站上去求救（包括中国程序员网站），结果都没有得到很好的答复。没有办法，我只好先将就着用着吧。

直到有一天，我发现从金山词霸2005上复制内容也不能够正常复制的时候，我想到了金山论坛，于是在金山论坛上发表了一个帖子寻求帮助，几天后我重新来到金山论坛，发现金山公司已经给出了解决方案。仔细看过解决方案以后我恍然大悟，知道我在哪里犯下了一个错误，同时也清楚地看到windowsxp还是有些地方做的不是很好。下面将详细地把方案提供给大家。

问题出在输入法里面，windowsxp默认的输入法为英语，键盘模式为美式键盘，这个选项一直用于win98中，同时提供的还有中文键盘的模式，由于win98中使用美式键盘没有任何问题，所以我在设置的时候，把中文键盘删除了，只保留了英文键盘。就是由于这个问题才出现复制中出现伦马的问题。直到这些就很好办了，删除英文的美式键盘模式，添加中文键盘模式并且设置为默认值就ok了。

如果大家也和我碰到同样的问题，大家可以采取上面的办法来解决，希望大家能够很方便的使用你的windowsxp。

用pdf2word等工具 把pdf 转换成 word 然后 做成 ppt

1、画教程：word文档转为ppt文稿
http://soft.yesky.com/office/463/2019463.shtml

2、word文档转换为演示文件

制作幻灯片大多数人习惯在powerpoint环境中，如果有一个现成的word文稿讲义，只需简单的操作就可将其转换成为一个powerpoint演示文稿，powerpoint和word两个软件提供了这一功能。本文提供两种转换方法供选择。

导入word文档

创建一个word大纲文件，存盘。然后打开powerpoint程序，单击菜单栏上的“插入”，选“幻灯片（从大纲）”，在打开的插入大纲对话框中选中刚才存盘的word大纲文档，单击〔插入〕，这样，word大纲文档就变成了powerpoint演示文稿。二者的对应关系是：word大纲文档的一级标题变为powerpoint演示文稿页面的标题，word大纲文档的二级标题变为powerpoint演示文稿页面的第一级正文，word大纲文档的三级标题变为powerpoint演示文稿页面第一级正文下的主要内容，其余依次类推。这个途径要求你在word大纲视图下编辑文档，对于习惯于word页面视图的朋友来说有些不太方便，那么请看下法。

直接创建演示文稿

如果你在word的页面视图下已写好了内容或者是以前用word编的一篇文章，想把它们制成幻灯片，就可以在word中应用“样式”和快捷键来直接创建演示文稿。

先解释一下什么是样式：样式是word中早就有的功能，只不过我们很少用到它，使用样式功能可以使文档的创建和管理易如反掌。样式工具栏就在操作界面的左上端，通常都写着“正文”两个字。点击右侧的向下箭头，会出现“标题1、标题2、标题3……正文”等内容。您还可以按住“shift”键的同时点击向下箭头，看看会出现什么情况？

请先把你认为要作为一张幻灯片标题的地方选中，然后选择“标题1”，其他也依次类推。然后在菜单栏上选择“工具／自定义”，再在弹出的对话框中选“命令”选项卡，从左窗口中选“所有命令”，从右窗口中找到“present it”命令。用鼠标左键按住并拖动“present it”至word的菜单栏或工具栏均可。用此快捷键可直接调用powerpoint程序，并把当前的word文档直接转换为powerpoint演示文稿，以大纲视图显示。点击“presentit”后你会发现，用标题1样式定义过的标题全都作为独立的一页幻灯片。如果你没给word文档定义样式，点击〔present it〕后，powerpoint会把文档的每一段落作为一张幻灯片，是不是很简单啊？以后你尽可以在你习惯的word下编排文章，然后轻松地转为powerpoint演示文稿。

当然，你也可以把任何以前的word文档或你找来的文章转换为你需要的powerpoint演示文稿。文稿转换好了以后，剩下的修饰想必你肯定自己会料理了。

用图象识别软件就可以解决了英文和中文的识别效果不一样的。如果png不能直接识别就转为bmp在用识别进行转换
推荐英文识别：abbyy finereader
中文识别：清华th-ocr
图象转换： acdsee就可以了

abbyy finereader ocr professional 8.0.0.706
软件大小：37497kb
软件语言：英文
软件类别：国外软件/共享版/办公软件
运行环境：win9x/me/nt/2000/xp
加入时间：2006-1-9 16:37:49
下载次数：85868
一款ocr软件。为用户提供了现代ocr赤铜的全部功能，给予它们对信息管理的完全控制。一旦你点击了“扫描读取”按钮，剩下的事情将自动完成，因此你不需要花费几个小时来学习用户指南。你可以把辨认过的正文放到字处理或电子表格程序中，保存成rtf、doc、pdf或html格式（保留全部文档排版），或输出辨认后的文本到数据库应用软件中。新版本增强了识别能力和版面保持能力；增强了pdf的识别能力；可输出ms word xml格式；增加了新的编辑能力....
http://www.onlinedown.net/soft/24081.htm

清华紫光 ocr
软件大小： 12345 kb
软件语言： 简体中文
软件类别： 国产软件 / 共享版 / 图像其它
应用平台： win95/98/nt
界面预览： 无
清华紫光 ocr支持windows环境下的gb、big5、jis和shift-jis等多种内码。在印刷体汉字识别中还加入了mmx优化技术，使识别速度得到了很大提高。我们用它识别一页a4大小的印刷体中英文混排的纯文本文件，只用了几秒钟。而且识别率非常高，只有极个别的字出现了差错。在这个版本中新增了表格识别功能。选择了识别表格的选项后，它会自动将表格的框线先识别出来，再对表格中的文字进行识别。文字全部识别出来之后会将文字按原样恢复到表格中。在这项测试中识别率也很不错。但是在测试中我们的工程师发现，当文字与表格的框线距离较近时，它的识别效果就没有那么理想了。如果用户想对一个图文混排的文件进行识别，则清华紫光 ocr还具有版面自动分析功能。它自动对扫描的版面进行分析，把应识别的文字区域划分出来，之后进行识别。对于被划分区域内的文字有很高的识别率，而且速度同样很快。不过遗憾的是，在这个版本中没有提供版面自动恢复的功能，因此如果想把文件恢复成原来的版面，则还需要重新手动排版。它的导出功能可以将带有表格的文当导出成为rtf格式的文件，从而允许用户在word等应用程序中继续进行编辑。它还可以将扫描进来的图像格式转换成tiff、bmp或pcz等格式，具有很大的灵活性。它的批量识别功能可以让用户一次把多页文稿全部扫描之后再进行识别，避免了扫描一页识别一页带来的麻烦。这一版本最多可实现10000页的批量识别。该版本还增加了一项非常实用的功能，就是手写体的识别。有了这一功能，许多以前手写的信件或文件就可以扫描到计算机中，识别出来后用电子文档的方式进行保存了。不过目前的手写体识别功能还不够完全成熟，它对书写有很高的要求，如每个字之间要有一定的间隔，不能有连笔的情况等。尽管如此，手写体识别这一功能还是能够在一定程度上减轻文字录入工作的负担。该ocr还具有自学习功能，当遇到有生僻字时，可以通过键盘输入进行学习。有了这一功能，用户就可以自由地添加一些本来不“认识”的字，大大拓宽了中文ocr系统的识别字符集。清华紫光这一款专业版的ocr软件，不仅可以对纯文本文件进行识别，而且可以进行复杂的图文混排和图表文档的识别，最大限度地把人们从繁杂的文字再录入的工作中解脱出来。
http://www.skycn.com/soft/6564.html

这样就可以把图象的字准确快速的抓取下来了

扫描文字，结果以图片格式(.bmp)存入电脑。然后使用orc识别系统进行转换，最终用word进行修改编辑。下面教你如何使用orc:

ocr是英文optical character recognition的缩写，翻译成中文就是通过光学技术对文字进行识别的意思, 是自动识别技术研究和应用领域中的一个重要方面。它是一种能够将文字自动识别录入到电脑中的软件技术，是与扫描仪配套的主要软件，属于非键盘输入范畴，需要图像输入设备主要是扫描仪相配合。现在ocr主要是指文字识别软件，在1996年清华紫光开始搭配中文识别软件之前，市场上的扫描仪和ocr软件一直是分开销售的，专业的ocr软件谠缧┦焙蚵舻帽壬�枰腔挂�蟆k孀派�枰欠直媛实奶嵘��ocr软件也在不断升级，扫描仪厂商现在已把专业的ocr软件搭配自己生产的扫描仪出售。ocr技术的迅速发展与扫描仪的广泛使用是密不可分的，近两年随着扫描仪逐渐普及和ocr技术的日臻完善，ocr己成为绝大多数扫描仪用户的得力助手。

一、ocr技术的发展历程

自20世纪60年代初期出现第一代ocr产品开始，经过30多年的不断发展改进，包括手写体的各种ocr技术的研究取得了令人瞩目的成果，人们对ocr产品的功能要求也从原来的单纯注重识别率，发展到对整个ocr系统的识别速度、用户界面的友好性、操作的简便性、产品的稳定性、适应性、可靠性和易升级性、售前售后服务质量等各方面提出更高的要求。

ibm公司最早开发了ocr产品，1965年在纽约世界博览会上展出了ibm公司的ocr产品――ibml287。当时的这款产品只能识别印刷体的数字、英文字母及部分符号，并且必须是指定的字体。20世纪60年代末，日立公司和富士通公司也分别研制出各自的ocr产品。全世界第一个实现手写体邮政编码识别的信函自动分拣系统是由日本东芝公司研制的，两年后nec公司也推出了同样的系统。到了1974年，信函的自动分拣率达到92％左右，并且广泛地应用在邮政系统中，发挥着较好的作用。1983年日本东芝公司发布了其识别印刷体日文汉字的ocr系统ocrv595，其识别速度为每秒70～100个汉字，识别率为99．5％。其后东芝公司又开始了手写体日文汉字识别的研究工作。

中国在ocr技术方面的研究工作相对起步较晚，在20世纪70年代才开始对数字、英文字母及符号的识别技术进行研究，20世纪70年代末开始进行汉字识别的研究。1986年，国家863计划信息领域课题组织了清华大学、北京信息工程学院、沈阳自动化所三家单位联合进行中文ocr软件的开发工作。至1989年，清华大学率先推出了国内第一套中文ocr软件--清华文通th-ocr1.0版，至此中文ocr正式从实验室走向了市场。清华ocr印刷体汉字识别软件其后又推出了th-ocr 92高性能实用简／繁体、多字体、多功能印刷汉字识别系统，使印刷体汉字识别技术又取得重大进展。到1994年推出的th-ocr 94高性能汉英混排印刷文本识别系统，则被专家鉴定为“是国内外首次推出的汉英混排印刷文本识别系统，总体上居国际领先水平”。上个世纪90年代中后期，清华大学电子工程系提出并进行了汉字识别综合研究，使汉字识别技术在印刷体文本、联机手写汉字识别、脱机手写汉字识别和脱机手写数字符号识别等领域全面地取得了重要成果。具有代表性的成果是th-ocr 97综合集成汉字识别系统，它可以完成多文种(汉、英、日)印刷文本、联机手写汉字、脱机手写汉字和手写数字的识别输入。几年来，除清华文通th-ocr外，其它如尚书sh-ocr等各具风格的ocr软件也相继问世，中文ocr市场稳步扩大，用户遍布世界各地。

可以说目前印刷体ocr的识别技术已经达到较高水平。ocr产品已由早期的只能识别指定的印刷体数字、英文字母和部分符号，发展成为可以自动进行版面分析、表格识别，实现混合文字、多字体、多字号、横竖混排识别的强大的计算机信息快速录入工具。对印刷体汉字的识别率达到98％以上，即使对印刷质量较差的文字其识别率也达到95％以上。可识别宋体、黑体、楷体、仿宋体等多种字体的简、繁体，并且可以对多种字体、不同字号混合排版进行识别，对手写体汉字的识别率达到70％以上。特别是我国的汉字ocr技术经过十几年的努力，克服了起步晚、汉字字符集异常庞大等困难，单字的识别速度(指在单位时间内所完成的从特征提取到识别结果输出的字数)可以达到70字／秒以上。由于印刷体ocr汉字识别技术已经比较成熟，所以ocr产品被广泛地应用在新闻、印刷、出版、图书馆、办公自动化等各个行业。

专业型ocr产品多是面向特定的行业，即适用于每天需处理大量表格信息录入的部门，如邮政、税务、海关、统计等等。这种面向特定行业的专业型ocr系统，格式较为固定，识别的字符集相对较小，经常与专用的输入设备结合使用，因此具有速度快、效率高等特点，比如邮件自动分拣系统等。

手写文稿的识别直到1996、1997年才开始有产品问世，而且是作为印刷文稿识别产品的一项附加功能提供的。由于人写字的习惯千差万别，实现自由手写体识别相当困难，所以手写体ocr技术的使用领域是联机手写体识别，即人一边写，计算机一边识别，是一种实时识别方式。

二、ocr的基本原理

简单地说，ocr的基本原理就是通过扫描仪将一份文稿的图像输入给计算机，然后由计算机取出每个文字的图像，并将其转换成汉字的编码。其具体工作过程是，扫描仪将汉字文稿通过电荷耦合器件ccd将文稿的光信号转换为电信号，经过模拟／数字转换器转化为数字信号传输给计算机。计算机接受的是文稿的数字图像，其图像上的汉字可能是印刷汉字，也可能是手写汉字，然后对这些图像中的汉字进行识别。对于印刷体字符，首先采用光学的方式将文档资料转换成原始黑白点阵的图像文件，再通过识别软件将图像中的文字转换成文本格式，以便文字处理软件的进一步加工。其中文字识别是ocr的重要技术。

1．ocr识别的两种方式

与其它信息数据一样，在计算机中所有扫描仪捕捉到的图文信息都是用0、1这两个数字来记录和进行识别的，所有信息都只是以0、1保存的一串串点或样本点。ocr识别程序识别页面上的字符信息，主要通过单元模式匹配法和特征提取法两种方式进行字符识别。

单元模式匹配识别法(pattern matching)是将每一个字符与保存有标准字体和字号位图的文件进行不严格的比较。如果应用程序中有一个已保存字符的大数据库，则应用程序会选取合适的字符进行正确的匹配。软件必须使用一些处理技术，找出最相似的匹配，通常是不断试验同一个字符的不同版本来比较。有些软件可以扫描一页文本，并鉴别出定义新字体的每一个字符。有些软件则使用自己的识别技术，尽其所能鉴别页面上的字符，然后将不可识别的字符进行人工选择或直接录入。

特征提取识别法(feature extraction)是将每个字符分解为很多个不同的字符特征，包括斜线、水平线和曲线等。然后，又将这些特征与理解(识别)的字符进行匹配。举个简单的例子，应用程序识别到两条水平横线，它就会“认为”该字符可能是“二”。特征提取法的优点是可以识别多种字体，例如中文书法体就是采用特征提取法实现字符识别的。

多数ocr应用软件都加入了语法智能检查功能，这种功能进一步提高了识别率。它主要通过上下文检查法实现拼写和语法的纠正，在文字识别时，ocr应用程序会做多次的上下文衔接性检查，根据程序中已经存在的词组、固定的用词顺序，对应的检查字符串的用词字。比较高级的应用软件会自动用它“认为”正确的词语替换错误词语，纠正语句意思。

2．文字识别的几个步骤

文字识别包括以下几个步骤：图文输入、预处理、单字识别和后处理等。

（1）图文输入

是指通过输入设备将文档输入到计算机中，也就是实现原稿的数字化。现在用得比较普遍的设备是扫描仪。文档图像的扫描质量是ocr软件正确识别的前提条件。恰当地选择扫描分辨率及相关参数，是保证文字清楚、特征不丢失的关键。此外，文档尽可能地放置端正，以保证预处理检测的倾斜角小，在进行倾斜校正后，文字图像的变形就小。这些简单的操作，会使系统的识别正确率有所提高。反之，由于扫描设置不当，文字的断笔过多可能会分检出半个文字的图像。文字断笔和笔画粘连会造成有些特征丢失，在将其特征与特征库比较时，会使其特征距离加大，识别错误率上升。

（2）预处理

扫描一幅简单的印刷文档的图像，将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。预处理是指在进行文字识别之前的一些准备工作，包括图像净化处理，去掉原始图像中的显见噪声(干扰)。主要任务是测量文档放置的倾斜角，对文档进行版面分析，对选出的文字域进行排版确认，对横、竖排版的文字行进行切分，每一行的文字图像的分离，标点符号的判别等。这一阶段的工作非常重要，处理的效果直接影响到文字识别的准确率。

版面分析是对文本图像的总体分析，是将文档中的所有文字块分检出来，区分出文本段落及排版顺序，以及图像、表格的区域。将各文字块的域界(域在图像中的始点、终点坐标)，域内的属性(横、竖排版方式)以及各文字块的连接关系作为一种数据结构，提供给识别模块自动识别。对于文本区域直接进行识别处理，对于表格区域进行专用的表格分析及识别处理，对于图像区域进行压缩或简单存储。行字切分是将大幅的图像先切割为行，再从图像行中分离出单个字符的过程。

（3）单字识别

单字识别是体现ocr文字识别的核心技术。从扫描文本中分检出的文字图像，由计算机将其图形、图像转变成文字的标准代码，是让计算机“认字”的关键，也就是所谓的识别技术。就像人脑认识文字是因为在人脑中已经保存了文字的各种特征，如文字的结构、文字的笔画等。要想让计算机来识别文字，也需要先将文字的特征等信息储存到计算机里，但要储存什么样的信息及怎样来获取这些信息是一个很复杂的过程，而且要达到非常高的识别率才能符合要求。通常采用的做法是根据文字的笔画、特征点、投影信息、点的区域分布等进行分析。

中国汉字常用的就有几千，识别技术就是特征比较技术，通过和识别特征库的比较，找到特征最相似的字，提取该文字的标准代码，即为识别结果。比较是人们认识事物的一种基本方法，汉字识别也是通过比较找出汉字之间的相同、相似、相异，把握其量和质的关系，以及时间与空间的关系等。对于大字符集的汉字一般采用多级分类，多特征、全方位动态匹配求相似集，以保证分类率高、适应性强、稳定性好；细分类重点在于对相似集求异匹配、加权处理、结构判别，定量、定性分析，以及前后联接词的关系，最后进行判别。汉字识别实质上是比较科学或认知科学在人工智能方面的应用，其关键技术是识别特征库。计算机有了这样的一个特征库，才能完成认字的功能。

在图像文档的版面中，除了有文字、图片，有时还会有表格存在，为了使识别后的表格数字化，需要在版面分析过程中，对表格域进行特殊的处理，它包括对表格线的结构信息的提取，对表格内文字域的分检，完成对表格线和对文字域的识别，并根据表格线的数字化生成不同的文件格式。由于文档中的表格随意性大，格式多样，有封闭式的，也有开放式的，特别是表格中的斜线，给表格分析造成一定的困难。

（4）后处理

后处理是指对识别出的文字或多个识别结果采用词组方式进行上下匹配，即将单字识别的结果进行分词，与词库中的词组进行比较，以提高系统的识别率，减少误识率。

汉字字符识别是文字识别领域最为困难的问题，它涉及模式识别、图像处理、数字信号处理、自然语言理解、人工智能、模糊数学、信息论、计算机、中文信息处理等学科，是一门综合性技术。近几年来，印刷汉字识别系统的单字识别正确率已经超过95％，为了进一步提高系统的总体识别率，扫描图像、图像的预处理以及识别后处理等方面的技术也都得到了深入的研究，并取得了长足的进展，有效地提高了印刷汉字识别系统的总体性能。清华大学在此方面的研究成果突出，已经成为世界上的最具权威的机构之一。目前，清华紫光的全系列扫描仪中都配装了清华ocr千禧版软件，它在识别率、表格识别甚至规范手写体的识别方面，均达到了较高水平。

三、ocr文字识别技巧

在最近几年中，ocr识别技术随着扫描仪的普及得到了飞速的发展，扫描、识别软件的性能不断强大并向智能化不断升级发展。但是要想快速地获取正确的扫描结果，得到高效率的文字录入，必须认真学习有关知识，结合实践经验，摸索出自己的全套解决方案。有时我们在作文字识别工作时识别率非常低，根本达不到软件所说的95％以上，请先不要责怪硬件或软件，其实这是没有掌握好扫描及ocr识别技巧的原因。

下面是文字识别操作中经常用到了一些方法和技巧。

1．分辨率的设置是文字识别的重要前提。一般来讲，扫描仪提供较多的图像信息，识别软件比较容易得出识别结果。但也不是扫描分辨率设得越高识别正确率就越高。选择300dpi或400dpi分辨率，适合大部分文档扫描。注意文字原稿的扫描识别，设置扫描分辨率时千万不要超过扫描仪的光学分辨率，不然会得不偿失。下面是部分典型设置，仅供参考。
(1)1、2、3号字的文章段，推荐使用200dpi。
(2)4、小4、5号字的文章段，推荐使用300dpl
(3)小5、6号字的文章段，推荐使用400dpl
(4)7、8号字的文章段，推荐使用600dpi。

2. 扫描时适当地调整好亮度和对比度值，使扫描文件黑白分明。这对识别率的影响最为关键，扫描亮度和对比度值的设定以观察扫描后的图像中汉字的笔画较细但又不断开为原则。进行识别前，先看看扫描得到的图像中文字质量如何，如果图像存在黑点或黑斑时或文字线条很粗很黑，分不清笔画时，说明亮度值太小了，应该增加亮度值在试试；如果文字线条凹凸不平，有断线甚至图像中汉字轮廓严重残缺时，说明亮度值太大了，应减小亮度后再试试。

3．选好扫描软件。选一款好的适合自己的ocr软件是作好文字识别工作的基础，一般不要使用扫描仪自带的oem软件，oem的ocr软件的功能少、效果差，有的甚至没有中文识别，经过比较，我认为清华紫光ocr2003专业版和尚书ocr6.0文本自动识别输入系统的识别能力与使用功能更突出一些。再选一个图像软件，ocr软件不是有扫描接口吗？为什么还找图像软件？第一，ocr软件不能识别所有的扫描仪；第二，也是最关键的，利用图像软件的扫描接口扫描出来的图像便于处理；一般选用photoshop。

4．如果要进行的文本是带有格式的，如粗体、斜体、首行缩进等，部分ocr软件识别不出来，会丢失格式或出现乱码。如果必须扫描带有格式的文本，事先要确保使用的识别软件是否支持文字格式的扫描。也可以关闭样式识别系统，使软件集中注意力查找正确的字符，不再顾及字体和字体格式。