民间中医网

 找回密码
 立刻加入
查看: 8959|回复: 5

大家好,怎么把PDF格式 的文件转换成TXT文件

[复制链接]
发表于 2008/3/1 19:22:46 | 显示全部楼层 |阅读模式
大家好,怎么把PDF格式 的文件转换成TXT文件,想把中医书籍转成TXT格式的,可以在手机里看,那样文件可以变小,主要是书的内容,PDF格式的文件的书皮,那些彩色图案可以不要,主要是文字,大家说说,大家是怎么做的,用什么软件,什么方式,
发表于 2008/3/1 20:27:22 | 显示全部楼层
第一种方法:用SnagIt工具进行文字提取。

首先使用SnagIt的文字捕捉功能将文字提取出来。SnagIt当前版本为7.02,大小为8903KB,下载地址可以在http://www.skycn.com/soft/2290.html 找到,汉化补丁可以在http://www.skycn.com/soft/2291.html 找到。启动SnagIt,选择菜单“输入/区域”,选择菜单“工具/文字捕获”,然后我们打开要捕捉的文件窗口,按下捕捉快捷键,选定捕捉区域即可捕捉到文字。

接着用相应工具重排文字。此时我们发现提取的文字可能会有很多空格或段落错乱等现象,而且字号、字体等不合自己的心意。这时我们可以用熟悉的WPS或Word软件进行重新编排。我们以WPSOffice2003为例看看如何对付提取后文章的编排。

用WPSOffice2003打开提取文章;然后选择“工具”菜单下的“文字”/“段落重排”,这时你会看到提取文章重新进行排版;接下来选择“工具”菜单下的“文字”/“删除段首空格”命令,使得文章的每段参差不齐的行首空格被删除;再选择“工具”菜单下的“文字”/“增加段首空格”,文章变为正常的书写格式;提取文章一般都留有空段,为删除这些空段,继续选择“工具”菜单下的“文字”/“删除空段”命令,这时文章完全变为我们所要的形式;用你熟悉的界面任意编辑文章吧。

第二种方法:用屏幕截图然后让OCR软件识别。

打开带有文字的图片或电子书籍,翻到你希望提取的页面,点击键盘上的打印屏幕键(PrintScreen)进行屏幕捕获;打开Windows自带的画图工具,将刚才捕获的屏幕截图,粘贴进去,保存为一个.bmp文件;接着打开刚才保存的文件,在编辑器中进行修正,根据你所要提取的文字进行裁剪,尽量去除不要的部分;最后启动OCR软件,在OCR中打开刚才保存的修改文件,进行文字识别,然后可随心所欲进行编辑。
发表于 2008/3/1 20:59:12 | 显示全部楼层
实在不行,有专门的将pdf的文件转成word的软件,再贴到txt里去吧
发表于 2008/3/1 21:29:09 | 显示全部楼层
这个问题分2种情况:
1、如果pdf文件里面的内容是图像,比如扫描书形成的pdf文档,那就只能用OCR软件去识别,效果不会太好。

2、如果是文字的,那从网上下载个pdf 转txt格式的软件转就可以了。
怎么看是那种格式的,通常扫描出来的文字边缘比较毛糙。
 楼主| 发表于 2008/3/2 09:57:52 | 显示全部楼层
就是那种扫描书形式的PDF文件,难以处理,怎么做啊,我找了半天,很厂时间了,都没有找到,请大家说说,详细点,尤其是1、如果pdf文件里面的内容是图像,比如扫描书形成的pdf文档,那就只能用OCR软件去识别,效果不会太好。,,,,这个方法说点详细点,谢谢大家
发表于 2008/3/18 17:23:43 | 显示全部楼层
[介绍使用Microsoft Office 2003识别超星格式(其它图像格式电子文档相同)一法:使用超星自带的文字识别模块识别的乱码很多,本文使用Microsoft Office 2003识别,效果不错。具体说明如下:Microsoft Office 2003安装后生成一个名为Microsoft Office Document Image Writer的打印机,将超星文件打印到此打印机中会生成一个文件,可以用Microsoft Office Document Imaging直接打开,然后点工具→使用OCR识别文本→“页面范围”选所有页面,即开始识别,识别完毕后点工具→将文本发送到Word,一切OK,还能保持文档格式,不用删多余的换行符了。]
您需要登录后才可以回帖 登录 | 立刻加入

本版积分规则

小黑屋|手机版|民间中医网论坛 ( 黔ICP备19001372号 )

GMT+8, 2024/12/23 12:23

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表