pdf转word加页码-超星文字识别错误

请参阅
明白了吗？看完就知道了！看最下面！
说句实在话，现在的这些文字识别软件像什么方正啊，汉王啊都不怎么样，何况office2003中自带了ocr软件啊
在绿盟上有篇这样的文章

各种格式文件ocr成word文件的方法

你还在为不同格式的文件怎么变成word文件发愁吗？各种识别软件各有缺陷，识别效率低，让你痛苦不堪，有的只能识别字，对表格和图形无能为力，识别完了，版面乱七八糟，无法使用。现在好了，本文针对各种情况下文字识别进行总结，帮助大家掌握正确方法，节省时间，本文给出了所有情况下全文件表格、图形、文字识别的完美解决方案：

1、pdf文件的识别：

1）文件可以直接识别的（以文本形式保存的pdf文件）：安装acrobat 7专业版，注意不是acrobat reader（下载 http://www.xdowns.com/soft/4/136/2006/soft_29430.html ），直接另存为rtf文件（识别整个文件），或者选择工具栏上的文字选择按钮，然后选择文字区域，然后复制到word等中。

2）文件不能直接识别的（以图片形式保存的pdf文件）：安装office2003（下载 http://www.xdowns.com/soft/188/215/2006/soft_28356.html ），并装上office工具microsoft office document imaging（完全安装此工具），然后在打印机里面会增加microsoft office document image writer打印机，然后将pdf文件打印到此打印机，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。）

3）加密的pdf文件：先下载解密软件（下载 http://www.xdowns.com/soft/4/85/2006/soft_29750.html ），解密后在参看1),2)
4）繁体pdf文件：用2)的方法识别到word后，用word中的“工具”－－“语言”－－－“中文繁简转换”

2、caj文件的识别：

1）局部文字识别：直接使用caj浏览器（下载地址 http://www.xdowns.com/soft/4/136/2006/soft_29737.html ）的ocr
2）全文件识别：打印到microsoft office document image writer打印机，后面和上面的2)操作一样
3）博硕论文全文下载：在线阅读博硕论文，待可以看到最后一页后，不要关闭caj浏览器，到caj安装目录下cache中找到一个较大的文件，拷贝到其他位置即可。然后使用2)全部转化为word。

3、超星文件的识别：

1）局部文字识别：直接使用超星浏览器（下载地址 http://www.xdowns.com/soft/31/91/2006/soft_27810.html ）的ocr
2）全文件识别：打印到microsoft office document image writer打印机，后面和上面的2)操作一样，要注意的是，超星打印功能有点区别，因为超星是目录和全文分开的，所以打印时，需要分别把目录和正文识别到word中，在合并到一起。打印时要填入打印页码从1到最后一页，不要选择打印全部。此外在打印选项中，还要将页面比例设成真实大小，而不是整宽。注意：识别速度比其他格式要慢很多，请保持耐心，但是最后当你看到轻松的生成全本书的word版本时，你会欣喜若狂的，呵呵。我的试验结果是一本280页的书，识别需要几分钟的时间。

3）超星相对比较麻烦一些，如果还有问题，可以先把超星打印成完整的pdf文件，然后在用1、的方法转成word

4、其他情况下的识别：

使用snagit软件（下载 http://www.xdowns.com/soft/31/46/2006/soft_29690.html ）将任何形式的文字可以变成图片，例如使用snagit将屏幕拷贝成图片，然后右键点击图片文件，用microsoft office document image打开图形，其他和2)一样。

注意：其他的各种识别软件请不要在用，因为要么只能识别中文，要么只能识别英文，要么不能识别整个文件，要么不能识别屏幕拷贝图像，要么识别误差很大，要么不能识别表格，要么需要注册，要么识别速度很慢，要么使用不便（和word结合不紧），这些软件包括：紫光ocr，万方pdfocr，尚书，汉王，scansoft pdf converter，pdf2word，以及各种被推荐的软件等等，我都装过，现在都像lj一样删除了。只要安装了acrobat 专业版，snagit，office2003，现在你可以完美的做任何事，最重要的是这几个软件很好得到。

针对一些问题的补充：
经过一些试验，发现microsoft office document image 存在一些不稳定的问题，例如在用caj打印到microsoft office document image writer打印机时，发现用caj5.5版本比较快，（caj5.5不能加升级补丁），而caj5.0有时出现假死机。
另外页面显示大时，转化的识别率较高。
如果页数多的文件，包括超星，如果有问题，可以分多次转化。

再次补充：
1、由于虚拟打印到microsoft office document image writer 比较慢，并且形成的虚拟文件很大，1本200多页的书大约是60m，因此会严重影响机器的运行速度和c盘空间以及内存空间，建议配置好的机器一次转化不要超过200页，配置差的不要超过100页，同时打印时在右下角系统栏中会出现打印机图，你可以双击，看到打印任务的进度，以免以为死机了。另外转化完成后请删除c:\windows\temp目录下的虚拟打印文件，否则你的c盘很快会被用光。

2、建议如果发生打印到microsoft office document image writer很慢或者假死的情况，可以先打印到snagit虚拟打印机，会自动生成tiff文件，速度比microsoft office document image writer快，然后在snagit中，选择打印机为microsoft office document image writer打印机，（相当于再打印到microsoft office document image writer打印机），然后选择snagit---outputs下的printer，然后选择snagit----file----finish output，即可生成msi文件，其他一样。转化完成后请删除c:\windows\systems32\snagit临时文件。

这你就问对人了，我可是亲身实践过的。不过要先转成pdf，再转word就简单了。

方法1：

安装pdf虚拟打印机（fineprint pdf factory或者安装pdf虚拟打印机），在超星浏览器里用打印功能打印需转换的书籍（可以打印单一页，也可打印多页，可以设置），点击 确定 后会出现一个 打印机 的选择界面，选择 pdf虚拟打印机 ，然后会出现一个 pdf虚拟打印机 打印完成的界面（时间长短视打印页数而定），点击 保存 并给新文件起名，就转为pdf的了。

方法2：

装一个acrobate professional 7.0，装完以后，控制面板打印机选项会多出来一个打印机，叫adobe pdf，给它改个名字，改成adobe padf，设为默认打印机。

打开一本书，在图书命令项选择“打印”，填进去页数。
一般要分两次甚至几次打，顺利的就两次。先计算一下正文以前所有页的页数，包括封面、前言、目录等等。计算办法：先看一下整个超星文件属性，里面有个页数，用这个数目减去正文页数，再减去1或2页（超星书里一般有一两个不是pdg的文件，叫bookinfo什么的），就是第一次打印的页数，填进打印选项，给打印文件指定一个路径。开始打印，就会打出一个pdf文件。

下来打正文，把正文页数填进去。再打印出一个pdf文件。

然后用professional把两个文件合成一个（这个你会吧？）

这算顺利的，前提是你下的书没有加密页页没有坏页，如果有，就麻烦了，就会卡住，一般是在正文部分，卡住就打不出来了。这时不要急，打印的时候有一个页面显示，提示已经打了多少页了，打不出来的时候你看看大致在多少页卡住了，然后关掉超星。进去原超星书文件，在大概出问题的地方前后找一找，找到卡住的页的页码。打个比方吧，打正文的时候发现在167页卡住了，就的重新打，把页数填成166。然后从168页开始打后面的。如果卡住的地方太多了，除非是特别难找到的书，我不耐烦了就会放弃，把书删掉，以后再下载，因为可能是下载的时候网速太慢导致有些页坏了，再下一次就不会有那么多坏页了。但是如果是加密页，再下一次也还是那样，那就没有办法了，只有耐着性子来。如果是特别好的书有些页没打出来，把缺的页码记下来，说不定以后能找到。

3.转为pdf之后在acrobat 7.0 里面选择另存为文本就可以是word了。

先说这些，你好好琢磨，有问题再问我，一定保证给你弄出来。