網際論壇 - 軟體綜合研討 - [教學] 電子書文章轉為Word文檔的方法

» 遊客: 註冊 | 登錄 | 會員 | 幫助

網際論壇 » 軟體綜合研討 » [教學] 電子書文章轉為Word文檔的方法

動漫分類：最新上架｜熱門連載｜全本小說｜最新上架｜玄幻奇幻｜都市言情｜武俠仙俠｜軍事歷史｜網游競技｜科幻靈異 ... 更多小說

ssvmw
中級會員 Level：3 級

積分 1117
發文 107
註冊 2006-7-10
狀態離線

#1 [教學] 電子書文章轉為Word文檔的方法

各种识别软件对电子图书馆文章的识别各有缺陷，有的只能识别字，对表格和图形无能为力；有的识别后生成的版面乱七八糟，无法使用。
还在为不同格式的文件怎么变成Word文件发愁吗？现在好了，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，帮助大家掌握正确方法，节省时间：
　　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，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，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，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

[ Last edited by TCG on 2006-11-15 at 06:34 PM ]

2006-11-1 11:58 PM

TCG
區版主 Level：11 級

論壇我最老，人老心未老。

積分 14326
發文 895
註冊 2005-8-31
狀態離線

#2

[教學] 電子書文章轉為Word文檔的方法

各種識別軟體對電子圖書館文章的識別各有缺陷，有的只能識別字，對表格和圖形無能為力；有的識別後生成的版面亂七八糟，無法使用。
還在為不同格式的文件怎麼變成Word文件發愁嗎？現在好了，本文給出了所有情況下全文件表格、圖形、文字識別的完美解決方案，幫助大家掌握正確方法，節省時間：
　　1、PDF文件的識別
　　1)文件可以直接識別的(以文本形式保存的PDF文件)：安裝acrobat 7專業版，注意不是acrobat reader，直接另存為rtf文件(識別整個文件)，或者選擇工具欄上的文字選擇按鈕，然後選擇文字區域，然後複製到Word等中。
　　2)文件不能直接識別的(以圖片形式保存的PDF文件)：安裝office2003，並裝上office工具Microsoft Office Document Imaging(完全安裝此工具)，然後在印表機裡面會增加Microsoft Office Document Image Writer印表機，然後將PDF文件列印到此印表機，選擇列印形成的文件的保存位置，然後會自動形成一個MDI文件，並且自動用Microsoft Office Document Image打開此文件，然後選擇「工具」功能表下的「使用ocr識別文本」，識別完成後，在選擇「工具」下的，「將文本發送到Word」，最後將把整個PDF文件識別輸出到Word文件中。
　　注意：Microsoft Office Document Image可以非常準確的全文件識別轉化中文、英文、表格，但是無法將圖形輸出到Word，而是把文件中的所有圖形單獨形成一個個獨立的圖片文件，放在相同位置的一個相同名稱的文件夾中，因此可用snagit軟體將圖形打開，然後複製到Word中。(所有的識別軟體都不能很好的處理圖形的識別問題，Microsoft Office Document Image的這種處理方法已經是非常好的解決這個問題了。)
　　3)加密的Pdf文件：先下載解密軟體，解密後在參看1),2)
　　4)繁體pdf文件：用2)的方法識別到Word後，用Word中的「工具」--「語言」---「中文繁簡轉換」
　　2、caj文件的識別：
　　1)局部文字識別：直接使用caj瀏覽器的ocr
　　2)全文件識別：列印到Microsoft Office Document Image Writer印表機，後面和上面的2)操作一樣
　　3)博碩論文全文下載：在線閱讀博碩論文，待可以看到最後一頁後，不要關閉caj瀏覽器，到caj安裝目錄下cache中找到一個較大的文件，拷貝到其他位置即可。然後使用2)全部轉化為Word。
　　3、超星文件的識別：
　　1)局部文字識別：直接使用超星瀏覽器的ocr
　　2)全文件識別：列印到Microsoft Office Document Image Writer印表機，後面和上面的2)操作一樣，要注意的是，超星列印功能有點區別，因為超星是目錄和全文分開的，所以列印時，需要分別把目錄和正文識別到Word中，在合併到一起。列印時要填入列印頁碼從1到最後一頁，不要選擇列印全部。此外在列印選項中，還要將頁面比例設成真實大小，而不是整寬。注意：識別速度比其他格式要慢很多，請保持耐心，但是最後當你看到輕鬆的生成全本書的Word版本時，你會欣喜若狂的，呵呵。我的試驗結果是一本280頁的書，識別需要幾分鐘的時間。
　　3)超星相對比較麻煩一些，如果還有問題，可以先把超星列印成完整的pdf文件，然後在用1、的方法轉成Word
　　4、其他情況下的識別：
　　使用snagit軟體將任何形式的文字可以變成圖片，例如使用snagit將螢幕拷貝成圖片，然後右鍵點擊圖片文件，用microsoft Office Document Image打開圖形，其他和2)一樣。
　　注意：其他的各種識別軟體請不要在用，因為要麼只能識別中文，要麼只能識別英文，要麼不能識別整個文件，要麼不能識別螢幕拷貝圖像，要麼識別誤差很大，要麼不能識別表格，要麼需要註冊，要麼識別速度很慢，要麼使用不便(和Word結合不緊)，這些套裝軟體括：紫光ocr，萬方pdfocr，尚書，漢王，ScanSoft PDF Converter，pdf2Word，以及各種被推薦的軟體等等，我都裝過，現在都像LJ一樣刪除了。只要安裝了acrobat 專業版，snagit，office2003，現在你可以完美的做任何事，最重要的是這幾個軟體很好得到。
　　針對一些問題的補充：
　　經過一些試驗，發現microsoft Office Document Image 存在一些不穩定的問題，例如在用caj列印到Microsoft Office Document Image Writer印表機時，發現用caj5.5版本比較快，(caj5.5不能加升級補丁)，而caj5.0有時出現假死機。
　　另外頁面顯示大時，轉化的識別率較高。
　　如果頁數多的文件，包括超星，如果有問題，可以分多次轉化。
　　再次補充：
　　1、由於虛擬列印到Microsoft Office Document Image Writer 比較慢，並且形成的虛擬文件很大，1本200多頁的書大約是60M，因此會嚴重影響機器的運行速度和C盤空間以及記憶體空間，建議配置好的機器一次轉化不要超過200頁，配置差的不要超過100頁，同時列印時在右下角系統欄中會出現印表機圖，你可以雙擊，看到列印任務的進度，以免以為死機了。另外轉化完成後請刪除c：\windows\temp目錄下的虛擬列印文件，否則你的c盤很快會被用光。
　　2、建議如果發生列印到Microsoft Office Document Image Writer很慢或者假死的情況，可以先列印到snagit虛擬印表機，會自動生成tiff文件，速度比Microsoft Office Document Image Writer快，然後在snagit中，選擇印表機為Microsoft Office Document Image Writer印表機，(相當於再列印到Microsoft Office Document Image Writer印表機)，然後選擇snagit---outputs下的printer，然後選擇snagit----file----finish output，即可生成msi文件，其他一樣。轉化完成後請刪除c：\windows\systems32\snagit臨時文件
註：TCG特將本文簡換繁以饗讀者

[ Last edited by TCG on 2006-11-15 at 06:34 PM ]