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

1、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Adobe PDF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Adobe Acrobat Pro，不清楚其他机器上保存的时

2、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Adobe Acrobat Pro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

3、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Adobe Acrobat Pro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Adobe Acrobat Pro还

4、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office 2010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lbog.si na_cor_cn/b50801I Ie-航IP石A匕视直播节!.,dhe. Ic1e. ht,1上善若水，._-S p-利万物而不争。意苟

5、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:/b I o9. s i na. com. cn/b2H,导航I Pr6电视直播节目ht tp:/ hdh, tk/r nclex, htm I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，

6、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Adobe Acrobat Pro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Adobe Acrobat Pro、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

7、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

8、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

9、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/ indeJhtml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

10、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lbog.si na_cor_cn/b50801I Ie-航IP石A匕视直播节!.,dhe. Ic1e. ht,1上善若水，._-S p-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:/b I o9. s i na. com. cn/b2H,导航I Pr6电视直播节目ht tp:/ hdh,

11、tk/r nclex, htm I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/ indeJhtml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。