神马文学网扫描下来的 PDF 文件如何做文字修改（OCR）？【转】 - niya的日志 - 网易博客
来源：百度文库 编辑：神马文学网 时间：2024/04/30 14:53:01
扫描下来的 PDF 文件如何做文字修改（OCR）？【转】
电脑 2009-01-02 16:24:20 阅读2568 评论0 字号：大中小 订阅
简介
PDF 是 Adobe 便携式文档格式（Portable Document Format）的简称，PDF 以“文本+图像”的格式，保留了原文件的细节信息如：字体格式，版式和图片色彩等，且质量清晰、容量较小、可以多页合成一个文件，所以非常适宜网上传输，公司内部共享。
由于 PDF 格式是 Adobe 公司开发的，所以经常用 Acrobat Reader 或 Acrobat 软件打开，但无论是 Reader 还是 Acrobat，都无法修改 PDF 文件里面的内容。Acrobat 仅比 Reader 多了调用扫描仪、添加一些元素等功能而已。
本文主要介绍如何通过第三方软件将 PDF 格式进行转换以使得内容可以随意修改的方法。
方法介绍
我们主要通过“MicrosoftOfficeDocumentImaging”这个 Office 的组件进行格式转换和文字识别。这个组件集成在微软的 Office XP 和 Office 2003 下，并且为默认安装组件，若您的电脑中没有它，建议放入微软的 Office 光盘安装。如何判断自己的电脑已经安装上了这个组件呢？就是看控制面板里的打印机文件夹下是否有了一个名为“MicrosoftOfficeDocumentImaging”的打印机图标。
此组件最后会将 PDF 格式转换成 Word 格式，即可在 Word 中编辑修改了。转换识别后原稿还需要重新排版和校对。
操作步骤
-
确保电脑上已经正确安装了如下软件：Acrobat 或 Acrobat Reader、Office XP 或 Office 2003（带有 Microsoft Office Document Imaging 组件）。
-
用 Acrobat 或 Acrobat Reader 软件将已有的或扫描进来的 PDF 文件打开，然后点击“文件”菜单下的“打印”，打印机名称选择 “MicrosoftofficeDocumentImageWriter” 。如图 1选择“MicrosoftofficeDocumentImageWriter”虚拟文件打印机所示。此打印机将输出一个后缀名为MDI的虚拟打印文件。
图 1: 选择“MicrosoftofficeDocumentImageWriter”虚拟文件打印机
点击“确定”按钮按钮后将输出一个 MDI 文件且自动打开了 MicrosoftOfficeDocumentImaging 组件界面。如果没有自动打开，可以依次点击“开始”→“程序”→“MicrosoftOffice”→“MicrosoftOffice 工具”，打开此组件。
-
在 MicrosoftOfficeDocumentImaging 窗口中依次点击“工具”→“将文本发送到 Word ”菜单，出现如图 2 将原稿发送到 Word 所示界面：
图 2: 将原稿发送到 Word
注 : 勾选上“在输出时保持图片版式不变”，这样可以最大程度保留原稿格式。 -
点击“确定”按钮后会有 OCR 的提示，如图 3 OCR 提示所示：
图 3: OCR 提示
-
点击“确定”按钮后开始 OCR 过程，如图 4 OCR 识别所示：
图 4: OCR 识别
-
识别完成后会自动打开 Word，您的原稿就会在 Word 中并且可以自由编辑了。