2023-01-05 20:17:14
pdf转doc的软件为什么转出来都是乱码
这是常发生的事情,你可以用adobe acrobat 7.0 先把pdf文件另存为jpg格式
然后用ocr识别,这样准确率要高很多。
对于有些图形文件,没有办法识别的情况下,你就用word直接把jpg文件插入就好了 。
复制粘贴pdf文档内容中英文和数字会变乱码
那是应为 字体支持的原因
我用的是cajviewer
cajviewer5.5_ocr v5.5.0 build 4030
说明:带ocr识别,带多语言包,ocr识别支持中英文识别。 大小:32.911 mb
1)局部文字识别:直接使用caj浏览器的ocr
2)全文件识别:打印到microsoft office document image writer打印机,选择打印形成的文件的保存位置,然后会自动形成一个mdi文件,并且自动用microsoft office document image打开此文件,然后选择“工具”菜单下的“使用ocr识别文本”,识别完成后,在选择“工具”下的,“将文本发送到word”,最后将把整个 pdf文件识别输出到word文件中。
注意:microsoft office document image可以非常准确的全文件识别转化中文、英文、表格,但是无法将图形输出到word,而是把文件中的所有图形单独形成一个个独立的图片文件,放在相同位置的一个相同名称的文件夹中,因此可用snagit软件将图形打开,然后复制到word中。(所有的识别软件都不能很好的处理图形的识别问题, microsoft office document image的这种处理方法已经是非常好的解决这个问题了。)
推荐快速方法:
从caj文件中提取文本前需要做好以下准备工作,安装caj文件浏览器5.5,安装office2003,并完全安装office工具 microsoft office document imaging,然后在打印机里面会增加microsoft office document image writer打印机。 microsoft office document image可以非常准确的全文件识别转化中文、英文、表格。
caj文件的识别:
(一)首先,从网上下载caj格式的资料文件保存到本地硬盘上。
(二)然后,启动cajviewer浏览器程序,并在该程序中打开刚才保存的caj格式的文件。浏览文件到最后一页后,不要关闭caj浏览器程序。
(三)在caj浏览器程序窗口中,选择“文件”→“打印”,并选择打印机为microsoft office document image writer打印机,勾选打印到文件选项和确定打印页数。
(四)保存打印文件(*.prn)到适当位置。等待打印完成后,microsoft office document image 自动打开刚才保存的打印文件。
(五)在microsoft office document image窗口中,选择“页面”菜单中的“选择所有页面”菜单项,然后选择“工具”菜单中的“使用ocr识别文本”提取文本。
(六)选择“工具”下的 “将文本发送到word”,最后将把整个caj文件识别输出到word文件中。