caj文件另存为pdf格式和图像文字PDF文档转换为文本文字的识别方法.docx
《caj文件另存为pdf格式和图像文字PDF文档转换为文本文字的识别方法.docx》由会员分享，可在线阅读，更多相关《caj文件另存为pdf格式和图像文字PDF文档转换为文本文字的识别方法.docx（13页珍藏版）》请在冰豆网上搜索。
caj文件另存为pdf格式和图像文字PDF文档转换为文本文字的识别方法
一、caj文件另存为pdf格式方法
中国知网上下载的一些硕博论文，都只有caj格式的。
只能被CAJViewer打开。
但是最近经常要在linux系统阅读这些文章，在哪里可没有linux版本的CAJViewer。
在网上找了一下，真的找到了一种简单的可行办法：
打开caj文件
文件>打印>打印机选择AdobePDF或TinyPDF等虚拟打印机>打印范围选择需要的（全部）>确定>在出现的另存为窗口中单击保存>然后就是转换格式的过程
出现如下左图或右图
或
转换后的效果如下图：
这里本电脑已经安装了AdobeAcrobatPro，不清楚其他机器上保存的时候是否和和转了该软件相关。
另外需要说明的是，转换出来的pdf文件时图片格式，要复制文字的话需要先用AdobeAcrobatPro文字识别一下，然后就可以选定文字了。
Acrobat识别文字的具体方法以前写过，详情请查看下方的我的更多文章。
采用Acrobat文字识别后的效果如下图：
二、图像文字转换为word文档_文字识别的两种简便方法
在日常工作中，经常会遇到想复制某段文字，但是却发现文字是图片格式的。
曾经遇到好多朋友问过我类似的问题，大概有下面几种问法：
∙如何把图片变成文字
∙怎么把书上的文字快速识别出来
∙怎么把ppt里面的图片转成文字
∙为什么有的pdf文件没法复制
等等一些列类似的问题。
以前不太清楚，曾经让那些同学可以尝试尚书之类的软件，但我其实没实际用过，并不知道效果。
还有就是网上的OCR在线文字识别，我也曾收集过好多这样的网站（在线OCR文字识别），但是自己使用过，错误率较高，而且还要看网站支持不支持中文识别。
前几周，用AdobeAcrobatPro偶然摸索出来文字识别的一种方法，也帮同学识别了一个31页的文章。
昨天又在网上看到同学分享的内容，又发现CAJViewer的文字识别方法。
试了一下，也不错。
好久没写这种计算机的文章了。
今天在新闻网值班，闲着没事了，写一下吧。
示例图片如图所示：
（第一个图片为了鉴别是被准确率，故意设置了多种效果）
因为AdobeAcrobatPro还是收费的软件，大众用起来不是特比方便。
所以，还是从免费的CAJViewer说起吧。
基本条件：
电脑安装CAJViewer、word（可以吧word另存为pdf，本文以office2010为例进行演示）
首先新建word文档，插入以上两张图片，文件>另存为>PDF格式。
操作过程如图所示：
然后在CAJViewer中打开刚才保存的pdf文件。
点击“文字识别”>在文本中“框选”要识别的部分>好了，出来文字了。
识别之后的文字如下图所示：
H.比1H_}客http了lb}og.sina_cor}_cn/b}}}50801
I}}Ie-'}-'航IP石A匕视直播节…!
}.,}dhe.}}I}c1e.ht,}1
上善若水，.._`-Sp-利万物而不争。
意苟畏龙境界的善行
就像水的品性-样，泽被万物而不争名利。
心在水中
H.He博客http:
//bIo9.sina.com.cn/b2}}}}}}}
H,导航IP}r6电视直播节目http:
//hdh},tk/rnclex,htmI
上善若水，善利万物而不争。
意为最高境界的善行
就像水的品性一样，泽被万物而不争名利。
f}}在水中
然后按照屏幕提示，可以复制到剪贴板、发送到word或者是其他软件。
从识别的准确率来看，字体的要求特别高，最好边缘清晰，颜色统一，字体大小要求影响不大。
但相比之下，下面的图片识别准确率明显高于上面的。
使用该方法，个人认为对于较少的文字识别情况，是十分简单的。
当面对较大的数目的时候，如果依然是这样一点点选定的话，可能效率不是特别高。
（此处没有发现如何设置可以整个文本全部识别，欢迎各位提出各种好办法）
下面，说一下应用AdobeAcrobatPro进行识别的方法。
（软件需要的可以到本博客首页底部联系我，直接QQ联系我，我给你们发。
网盘地址：
软件/注册/安装教程下载，安装过程需要注册。
有不明白的也可以通过类似方式联系。
声明：
本软件仅供各位学习之用，如需要长期使用，请购买正版！
）
基本条件：
电脑安装AdobeAcrobatPro、word（非必须）
文档保存为pdf的方法和上面步骤相同，不再重复。
在Acrobat中打开需要识别的pdf文档>工具>文本识别>在本文件中>出现如第二张图一样的对话框，针对需要，设置是别的具体页面或整个文档，针对语言类型设置OCR识别的主要语言。
设置完成后点击确定，开始识别。
如果顺利的话，结束后可以选择原来图片上有文字的地方。
也就是识别成功了。
但是本文采用的pdf则有下面的提示。
“Acrobat无法在本也上执行OCR识别，因为本页包含可渲染的文本。
”如图所示。
上次帮同学识别文字的时候遇到了类似的现象，也在网上找到了解决办法。
至于原因，个人认为是在word文档转换成pdf的过程中，插入图片的环节之前有一个换行符在文本中。
应该就是这个字符让Acrobat识别到可渲染的文本，然后提示无法识别。
解决办法，当时是把全部30多页文档在pdf文档中到导出为单页的jpg文件，然后利用Acrobat软件将30个单独的jpg文件合并为一个pdf文件。
这样就不存在任何可渲染字符了。
由于这里已经有点跑题了，不细说，只把如何将30多个jpg合并为一个pdf文档的过程截图以供参考。
如果一切正常识别后的结果是如图所示的效果。
识别出来文字了，怎么保存成txt或者是doc文件呢？
这里可以直接复制，也可以选择“文件”>另存为>选择doc文件格式或者是txt文件格式。
这里细心地网友可以发现，本文用Acrobat识别的文本文件不是我上面用的“H.He图片转文字演示.pdf”文件了，而换成了“0-1.pdf”。
因为第一次尝试的时候遇到了可渲染文字。
于是把那个pdf输出为jpg，然后又将jpg在Acrobat中打开。
这样就避免了出现可渲染字符的出现。
这里多说一句，我觉得，第一步在word中插入图片再保存为pdf有些多余。
其实如果文档只含有图片的话，完全可以直接在Acrobat中打开，这样就省去了word处理的过程。
方便。
识别之后的文字，我复制出来，大家对比一下看看两个文字识别的效果和准确率。
。
下面是Acrobat识别的结果。
H.t也1f窑h忧p:
jb29050801
且He导航IPV6电视直播节目HTI酌'lhdhe.tk/indeJιhtml
上善若水，善利万勃而不争。
意备最惠境界崎~行
就像*的￡性一样，挥横7i物而不争名秘。
心在水中
H.He博客
H.He.导航IPv6电视直播节目http:
//hdhe.tk/in似.html
上善若水，善利万物而不争.意为最高境界的善行
就像水的晶性一样，泽被万物而不争名利。
心在水中
那么，这两种方法，到底哪个好呢。
对比两者识别效果。
如下所示：
CAJViewer识别：
H.比1H_}客http了lb}og.sina_cor}_cn/b}}}50801
I}}Ie-'}-'航IP石A匕视直播节…!
}.,}dhe.}}I}c1e.ht,}1
上善若水，.._`-Sp-利万物而不争。
意苟畏龙境界的善行
就像水的品性-样，泽被万物而不争名利。
心在水中
H.He博客http:
//bIo9.sina.com.cn/b2}}}}}}}
H,导航IP}r6电视直播节目http:
//hdh},tk/rnclex,htmI
上善若水，善利万物而不争。
意为最高境界的善行
就像水的品性一样，泽被万物而不争名利。
f}}在水中
Acrobat识别：
H.t也1f窑h忧p:
jb29050801
且He导航IPV6电视直播节目HTI酌'lhdhe.tk/indeJιhtml
上善若水，善利万勃而不争。
意备最惠境界崎~行
就像*的￡性一样，挥横7i物而不争名秘。
心在水中
H.He博客
H.He.导航IPv6电视直播节目http:
//hdhe.tk/in似.html
上善若水，善利万物而不争.意为最高境界的善行
就像水的晶性一样，泽被万物而不争名利。
心在水中
这里我不做评价，大家可以针对效果选择自己认为比较好的识别软件啊。
升级会员 