pdf转word工具开发-急寻一个软件,把PDF转换为word格式

可以用scansoft pdf converte，安装完成后不须任何设置，它会自动整合到word中。当我们在word中点击“打开”菜单时，在“打开”对话框的“文件类型”下拉菜单中可以看到“pdf”选项，这就意味着我们可以用word直接打开pdf文档了!

scansoft pdf converter的工作原理其实很简单，它先捕获pdf文档中的信息，分离文字、图片、表格和卷，再将它们统一成word格式。由于word在打开 pdf文档时，会将pdf格式转换成doc格式，因此打开速度会较一般的文件慢。打开时会显示pdf converter转换进度。转换完毕后可以看到，文档中的文字格式、版面设计保持了原汁原味，没有发生任何变化，表格和图片也完整地保存下来了，可以轻松进行编辑。

除了能够在word中直接打开pdf文档外，右击pdf文档，在弹出菜单中选择“open pdf in word”命令也可打开该文件。另外，它还会在outlook中加入一个工具按钮，如果收到的电子邮件附件中有pdf文档，就可以直接点击该按钮将它转换成word文件。

有时我们在网上搜索到pdf格式的文件，同样可以通过右键菜单的相关命令直接在word中打开它。

但是，pdf文件格式的特殊性众所周知，因此在转换时，需要针对不同情况选择不同的方法。如何将pdf文件转换为txt格式恐怕是目前大家最关心的话题了，在转换的过程中通常会出现2种可能的情况，本文将针对这2种情况，为您详细介绍具体的转换方法。

第一种情况: 文件内容多为文字

如果需要转换的pdf文件的内容不是pdf图片，且内容不多，可以在打开pdf文件后，点击工具栏中含有“t”字样的“文本选择工具”按钮，在鼠标指针变为“i”字型后，通过拖拽鼠标选定当前页中需要复制的文本内容，然后选择“编辑”*“复制”，将选定的内容复制到剪贴板，最后到其他的编辑软件中进行“粘贴”即可。

如果需要转换的pdf文件的内容比较多，您可以使用第三方软件aerial达到批量转换的目的。aerial是adobe acrobat软件的一个插件，其30天免费试用版的下载地址为 http://www.ambia.com 。虽然aerial的使用说明中指出它只能支持acrobat reader 3.0版本，但是经验证明，它同样支持acrobat reader 5.0中文版，只需在安装时将默认路径改变为acrobat reader 5.0的安装路径即可。

aerial安装完成后，在acrobat reader工具栏的“增效工具”菜单中就会多出一个“aerial”子菜单(如图1所示)。依次选择“增效工具”*“aerial”*“save as rif”，进入“save as rif”对话框(如图2所示)。在“general”选项卡中，选择适合的输出程序和输出页码范围，然后单击“file name”按钮指定保存文件名，再次单击“ok”按钮即可将文件转换为rif格式，最后使用word打开rif文件并保存为txt文档即可。当然，您还可以使用一些专门的转换工具，例如著名的pdftools等。

第二种情况: 文件内容多为图片

如果需要转换的pdf文件全部是pdf格式图片，这时aerial等其他第三方插件就无能为力了。如果文件很大，整个过程则会比较烦琐。

1．pdf文件转换成bmp文件

当然，您完全可以将pdf文件打开后，使用抓图工具一页一页地抓取并保存成bmp文件，但是这显然是最笨的解决方法了。这里我们向您推荐一款实用的工具软件――konvertor_pdf2xxx，它可以一次性将所有页面转换为连续的多个bmp文件，其免费试用版下载地址为 http://www.tucows.com/mmedia/preview/220570.html 。具体使用方法如下。

请对比下载的界面操作：

(1)选中“input setup”项目的“paths”选项卡，在“source path”文本输入栏中指定需要转换的pdf文件所在的文件夹; 点击“select files”按钮，在弹出的“select”对话框中，选择需要转换的pdf文件; 选中“output setup”项目的“paths”选项卡，在“target path”文本输入栏中指定转换后生成bmp文件的保存路径。

(2)选中“input setup”项目的“output”选项卡，在“output format”下拉列表中设定文件格式为bmp，在“misc”选项卡中设置需要转换pdf文件的页码范围，以及转换时的分辨率。

根据笔者经验，普通的五号字体(100％显示比例)的pdf图片采用250～300dpi即可; 如果字号比较大(即四号以上)，采用150～200dpi较好; 如果是六号或七号字，可以考虑使用400～500dpi。当然，您也可以根据图片的实际质量加大分辨率。但需要注意的是，当分辨率超过600dpi后，系统的转换速度会直线下降，有时候甚至会发生假死机等情况。

接下来，选中“output setup”项目的“misc”选项卡，在“target file name”项目中设置生成bmp文件的名称，在“resize”项目中设定生成bmp图片长和宽的像素值。如果pdf图像文件自身的质量不是很好，可以适当地将像素值设定得大一些，例如1600×1200; 然后，在“bmp”选项卡中设置图片颜色为“black & white”选项。

(3)单击“launch”按钮开始格式转换，生成的bmp文件将保存在前面指定的位置，转换所需的时间跟您的设置有很大关系。

2．通过ocr软件将图片中的字符识别出来

这里推荐您使用清华紫光的ocr光学字符识别软件，您可以到清华紫光的主页 http://www.thunis.com/default.htm 下载清华紫光ocr 2000 千禧专业版。

选择“文件”*“打开”，在弹出的“打开”对话框中，选中前konvertor_pdf2xxx转换得到的bmp图片。然后，选择“命令”*“全部识别”，一次性将所有打开的bmp图片进行识别。最后，选择“文件”*“导出”，在弹出的“导出为”对话框中定义保存的文件名，并指定保存文件类型为txt即可。

更多内容你可以看:
http://topic.csdn.net/t/20040803/09/3236461.html

pdf转word
1. 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。
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~~~
如果还有什么问题，可以hi我

1.office组件把pdf转成word：
可以利用office 2003中的microsoft office document imaging组件来实现pdf转word文档，也就是说利用word来完成该任务。方法如下：

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。

注:如果没有找到“microsoft office document image writer”项，使用office 2003安装光盘中的“添加/删除组件”更新安装该组件，选中“office 工具 microsoft draw转换器”。

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”菜单，在弹出的窗口中选中“在输出时保持图片版式不变”，确认后系统会提示“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。

注:对pdf转doc的识别率不是特别完美，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工作。

以上仅在word2003中可用，其他版本没有microsoft office document image writer。

2.利用第三方工具软件：
scansoft pdf converter for microsoft word
下载地址：
http://www.mydown.com/soft/245/245551.html

3.asp.net实现将word转换pdf格式：
一:必备工具

安装必须的工具ms vs.net2003,ms office2003,adobe acrobat 7.0 professional,postscript.exe,gs811w32.exe

ms vs.net2003的安装不说明

ms office2003的安装不说明

adobe acrobat 7.0 professional安装说明

运行setup.exe文件,出现输入序列号,就运行注册机,用鼠标在第一行刷下就可以看见序列号，复制粘贴到adobe acrobat 7.0 professional安装程序对话框，安装到最后出现注册时,点击phone...将安装程序中显示的第二行序列号（第一行是刚才注册机生成的序列号）复制粘贴到注册机的第二行，点击右边的按钮，再用鼠标刷第三行授权号就出来了，将其复制粘贴到安装程序的最后一行，完成安装注册！

postscript.exe默认安装就可以了,它是一个pdf转换时所需要的脚本

gs811w32.exe默认安装就可以,它其实是个pdf虚拟打印机的驱动

二:配置虚拟打印机

进入windows的控制面板,进入打印机,点击"添加打印机"图标.在安装对话框上"按一步",出现选择打印机时,在制造商一栏中选择"generic",在打印机一栏中,选择"ms publisher color printer",然后一路按下一步,知道安装结束.

三:开始写第一个程序(脚本程序)

为什么要使用脚本程序进行转换呢,其实实际测试过程中,使用pdf distiller的对象引用到c#后,转换成功,但整个pdf distiller对象不能释放,第二次再转换时,就发生了错误,故此处使用脚本程序实现转换.这样我们只要在c#的程序中调用脚本程序就可以实现word到pdf的转换。

宿主脚本文件名:convertdoc2pdf.js

脚本文件内容:

var files = wscript.arguments;
var fso = new activexobject("scripting.filesystemobject");
var word = new activexobject("word.application");
var pdf = new activexobject("pdfdistiller.pdfdistiller.1");
word.activeprinter = "ms publisher color printer";

//files(0) 为word文档文件名
//files(1) 为,转换后需要保存的路径
//调用fso.getbasename(files(0))后,为无路径,无扩展名,的文件名
//files.length为文件参数的个数,使用循环可以支持多个word文档的转换

var docfile = files(0);
var psfile = files(1) + fso.getbasename(files(0)) + ".ps";
var pdffile = files(1) + fso.getbasename(files(0)) + ".pdf";
var logfile = files(1) + fso.getbasename(files(0)) + ".log";

try{
var doc = word.documents.open(docfile);
//word文件转成ps文件;
word.printout(false, false, 0, psfile);
doc.close(0);

//ps文件转成pdf文件;
pdf.filetopdf(psfile,pdffile,"");

fso.getfile(psfile).delete();//删除ps脚本文件
fso.getfile(logfile).delete();//删除转换的日志文件

word.quit();
wscript.echo("isuccess");//成功
wscript.quit(0);
}
catch(x)
{
word.quit();
wscript.echo("isfail");//失败
wscript.quit(0);
}

然后测试该脚本程序

启动ms-dos,输入如下命令:

c:\>cscript //nologo c:\convertdoc2pdf.js c:\test.doc c:\

说明:

运行成功后将看到test.pdf文档了

c:\test.doc参数对应的是脚本程序中的files(0)

c:\参数对应的是脚本程序中的files(1)

你可以安照该脚本改写成,支持多个参数,使用for循环,一次转换多个word文档,此处没有使用多个文件转换功能,是考虑到,该段脚本放在c#的线程中执行,这样一来也可以转换多个word文档.

四:使用c#调用convertdoc2pdf.js脚本

新建一个c#的windows应用程序,添加一个按钮button1

添加一个函数,函数名startconvertpdf

public void startconvertpdf()
{
process proc = new process();
proc.startinfo.filename = "cmd.exe";
proc.startinfo.workingdirectory = @"c:\";
proc.startinfo.createnowindow = true;
proc.startinfo.useshellexecute = false;
proc.startinfo.redirectstandardinput = true; //输入重定向

proc.start();
proc.standardinput.writeline(@"cscript //nologo c:\convertdoc2pdf.js c:\test.doc c:\");
proc.standardinput.writeline("exit");
proc.waitforexit();
}

然后在按钮的click事件中添加调用线程的代码

private void button1_click(object sender, system.eventargs e)
{
//定义线程序
thread thconvert = new thread(new threadstart(startconvertdata));
thconvert.start();
}

注意:在测试上面的c#程序时,必须添加如下命名空间

using system.diagnostics;
using system.threading;

五:健壮的c#调用代码(实际考虑,可放在b/s系统中)

完成第4步的c#测试后,细心的读者,可能看到一点问题,那就是如何得到脚本运行后输出的结果,如何给线程中调用的startconvertdata方法传递参数

1:传递参数,此话说来也可用一篇教程告诉大家线程中方法如何来传递参数,现在就讲一个方案,此种方案很多,我采用一个类,初始化这个类,然后调用该类的方法作为线程执行的方法

2:得到脚本的输出结果,使用process对象的输出重定向,就是说改变输出方向,使脚本不输出到控制台(ms-dos窗口),而是重定向输出到c#程序中,并采用线程的异步回调方法,显示脚本运行结果。

添加一个新类,类名为topdf

using system;
using system.diagnostics;
using system.componentmodel;
using system.windows.forms;
using system.data;

namespace doc2pdf
{
public class topdf
{
private string strword = "";//此处的word文件不含路径
private string spath = "";
public string sexecresult = "";
public bool bsuccess = false;

public topdf(string sparamword,string sparampath)
{
strword = sparamword;
spath = sparampath;
}

public void startconvertpdf()
{
process proc = new process();
proc.startinfo.filename = "cmd.exe";
proc.startinfo.workingdirectory = spath;
proc.startinfo.createnowindow = true;
proc.startinfo.useshellexecute = false;
proc.startinfo.redirectstandardinput = true;//标准输入重定向
proc.startinfo.redirectstandardoutput = true;//标准输出重定向

proc.start();
proc.standardinput.writeline("cscript //nologo "+spath+"convertdoc2pdf.js "+spath+strword+ " "+spath);
proc.standardinput.writeline("exit");
sexecresult = proc.standardoutput.readtoend();//返回脚本执行的结果
proc.waitforexit();
proc.close();

}

public void endconvertpdf(system.iasyncresult ar)//ar参数必须写,是线程执行完成后的回调函数
{
if(sexecresult.indexof("isuccess")!=-1)bsuccess=true;
else if(sexecresult.indexof("isfail")!=-1)bsuccess=false;
//如果放在b/s系统,你可以在此处写数据库,是成功还是失败,并用一个webservice程序不断检查数据库,此webservice程序不放在该回调用函数中
//如果放在c/s系统,回调函数可以不放在类中,以便在窗体程序中调用结果
}
}
}

改写原来的button1_click事件中的代码

private void button1_click(object sender, system.eventargs e)
{
topdf my2pdf = new topdf("test.doc","c:\\");
threadstart thstartconvert = new threadstart(my2pdf.startconvertpdf); //开始异步调用线程
thstartconvert.begininvoke(new asynccallback(my2pdf.endconvertpdf),null);//设置异步线程的回调函数

//如果需要转换多个word,你可以用循环
//如果是b/s系统,可以将本段代码放在aspx中,并结合客户端的无刷新显示数据的技术,不断访问webservice程序,以确定pdf是否转换成功或失败
}

六:编写更加健壮的c#调用代码(实际考虑,可放在windows的服务程序中)

实际使用时,由于转化pdf时cpu的占用率很高,考虑只在同一时间转换一篇word文档,放弃异步线程的回调函数的使用,考虑一个windows的服务程序。

写一个函数checkdata2convert(),不断的检查没有转换的word文档,并使用循环调用topdf类中执行转换方法startconvertpdf

//以下给出,泛代码,用户按照自己的需求,填写完整即可
//bool bstart为全局变量,控制循环的进入与退出
//例:18:30开始检查并转换,那么18:30时,bstart=true;并启动转换线程
//6:30停止转换线程,bstart=fasle;

private void checkdata2convert()
{
//检查指定目录下的没有转换的word文档,你同样可以检查数据库中记录的没有转换的word文档
string spath = system.threading.thread.getdomain().basedirectory; //当前的路径
while(bstart)
{
int ifilecount = checkword(); //checkword为一个方法,检查当前没有转换的word文档,返回没有转换的文件数,该方法的代码由读者自己编写
for(int i=0;i<ifilecount;i++)
{
string sword = getwordfilename(i) //getwordfilename为一个方法,返回一个不带路径的word文件名,该方法的代码由读者自己编写
//topdf类中的startconvertpdf()方法使用的是不带路径的word文件名
topdf my2pdf = new topdf(sword ,spath);
my2pdf.startconvertpdf();

if(my2pdf.sexecresult.indexof("isuccess")!=-1)
{
//成功,写日志,或回写数据库
}
else if(my2pdf.sexecresult.indexof("isfail")!=-1)
{
//失败,写日志,或回写数据库
}

}

if(!bstart)break;
thread.sleep(1000);
}
}

然后在服务的开始事件中,启动线程

protected override void onstart(string[] args)
{
//可以使用一个开始定时器,检查是否到开始时间,时间一到,就开始执行线程,此处的开始执行线程可以放在开始定时事件中
//可以使用一个结束定时器,检查是否到结束时间,时间一到,就结束线程,结束线程的代码可以放在结束定时事件中
//注意:应该使用组件中的定时器,而不是windows的forms中的定时器
//该定时器的类名为system.timers.timer,千万别搞错,不然执行不会正常的
bstart = true;
thread thconvert = new thread(new threadstart(startconvertdata));
thconvert.start();
}

然后在服务的结束事件中,设置停止线程的标识bstart= false

protected override void onstop()
{
bstart = false;
//为何次处不停止线程呢,因为考虑到,现在线程正在转换word文档,但没有结束,所以只设置停止标识,转换完成后,线程也执行结束了.
}

easy pdf to word converter v2.03 汉化版
一款将pdf文档转换为word文档的工具，用它转换文档无需安装 microsoft word、adobe acrobat， 甚至acrobat reader，还可支持拖放与批量转换、支持多种语言(英语、法语、德语、意大利语等)，并精确保存原有文本、图像及布局，用户界面友好，易于使用操作。
http://www.crsky.com/soft/4654.html

应该说，pdf文档的规范性使得浏览者在阅读上方便了许多，但倘若要从里面提取些资料，实在是麻烦的可以。回忆起当初做毕业设计时规定的英文翻译，痛苦的要命，竟然傻到用print screen截取画面到画图板，再回粘到word中，够白了：（最近连做几份商务标书，从honeywell本部获取的业绩资料全部是英文版的pdf，为了不再被折磨，花费了一个晚上的时间研究pdf和word文件的转换，找到下面2种方法，出于无产阶级所谓的同甘共苦之心，共享下：）

1、实现工具：office 2003中自带的microsoft office document imaging

应用情景：目前国外很多软件的支持信息都使用pdf方式进行发布，如果没有adobe reader，无法查看其内容，如果没有相关的编辑软件又无法编辑pdf文件。转换为doc格式则可以实现编辑功能。尽管有些软件也可以完成pdf转换为doc的工作，但很多都不支持中文，我们利用office 2003中的microsoft office document imaging组件来实现这一要求最为方便。

使用方法：
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。

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。

2、实现工具：solid converter pdf

应用情景：利用office 2003中的microsoft office document imaging组件来实现pdf转word文档在一定程度上的确可以实现pdf文档到word文档的转换，但是对于很多“不规则”的pdf文档来说，利用上面的方法转换出来的word文档中常常是乱码一片。为了恢复pdf的原貌，推荐的这种软件可以很好地实现版式的完全保留，无需调整，而且可以调整成需要的样板形式。

使用方法：

1、下载安装文件solid converter pdf,点击安装。

编辑提示：安装前有个下载安装插件的过程，因此需要保证网络连接通畅。

2、运行软件，按工具栏要求选择需要转换的pdf文档，点击右下的“转换”（convert）按扭，选择自己需要的版式，根据提示完成转换。