对PDF文档认识与应用探讨.docVIP

对PDF文档认识与应用探讨 　　摘要：在当今的计算机世界里，Microsoft Word的Doc格式和Adobe Acrobat的PDF格式是使用率最高的两种文档格式，其中PDF是Internet上进行电子文档发行和数字化传播的理想格式。文章介绍了一些日常使用PDF文档的体会，希望有助于读者更好地应用PDF文档。 　　关键词：PDF；Word；OCR；Acrobat；应用 　　 　　0　引言 　　 　　PDF是英文Portable Document Format的缩写，意为便携式文档格式，其突出优点是“将PDF文件格式的文字、字型、格式、颜色及独立于设备和分辨率的图形图像等封装在一个文件中”，从而保持源文档排版风格和字体格式不变(这样就不用担心其他电脑上的字体不全了)。我们都知道，一种软件一般只编辑特定格式的文档，如果计算机里没有相应软件，则文档就无法打开。而若把这种格式的文档转换成PDF格式，则只要电脑里装有PDF浏览器，就可以阅览到这些文档的内容，(PDF文档的优点还有很多，具体可参见文[1-2])。所以很多产品说明书、技术文档、大量电子版书籍、学术论文以及相关文件等资源均以PDF文件为主流的电子图书格式存储于互联网之中，它已成为了互联网中电子文档分发广泛使用的格式。 　　 　　1　PDF文档浏览 　　 　　我们平常看PDF文件的软件是Adobe Reader，这是Adobe公司免费提供的用于阅读PDF文档的软件，相信很多人对它并不陌生。此外，有个软件似乎也并不逊色，它就是Foxit Reader(福昕阅读器)。该软件支持Adobe Reader的所有功能，它具有令人非常小的体积，安装空间比Adobe Reader小得多，只有区区几个MB，而Adobe Reader比较庞大，安装后甚至多达190MB。而且Foxit Reader也有一些常用的编辑功能，比如可以制作书签，在PDF文档上输入字符、对内容进行标记等等，这对于普通用户来说，已基本可以满足日常办公和学习需求。 　　 　　2　PDF文件编辑 　　 　　Adobe公司的Acrobat软件，是一款用来创建、编辑、审阅、批准、在线共享PDF的软件，功能非常强大。比如要编辑PDF文档里的文字，可以选择“视图一工具栏一打字机工具”，打开工具箱，便可以对文字进行编辑。此外还有注释工具、文本框、页眉页脚的添加等等。Acrobat的许多功能，如PDF文件分割与合??、Word格式转换成PDF格式、PDF页面顺序调整、页面管理等，基本上都可以用其他的专门软件来替代实现。网上有不少这类的专门工具(这些工具小巧玲珑，启动速度快捷，有的还是绿色版，根本无需安装)，可以在百度里搜索下载。Acrobat的不足之处也是体积过于庞大，因此，我们有时可用FoxitPDF Editor取而代之。Foxit PDF Editor同样具有所见即所得的编辑功能，其中，“快速导出电子书特定页面”更为突出。对于一本拥有数十甚至数百页的PDF电子图书，一般的常规作法可能很难将其中某些页面提取出来单独作为资料进行保存，但这款软件却很容易做到。用户在Foxit PDF Editor中打开PDF电子图书，然后在软件的“文档”菜单中选择“导出页面”选项，在打开的“导出页面”对话框中，只要指定导出页面保存路径和导出页面的范围，软件即可进行自动导出了。在默认的条件下，软件导出的是“当前页面”，但这款软件还可以进行批量导出，只要在该“导出页面”对话框的“原始页面范围”中先选中“页面”，然后指定需要导出的页面页码或页面页码范围即可。但是，FoxitPDF Editor不支持为PDF文档添加页码。 　　 　　3　PDF文档应用的常见情况 　　 　　3.1　从PDF文档中提取文字和图片 　　从PDF格式的资料文件中提取文字内容拷贝到Word文档中，方法很简单：在PDF浏览器(如Foxit Reader)中打开该PDF文档，然后用鼠标选取，右击“复制”命令(放到了剪切板上)，再切换到Word或记事本程序中，“粘贴”即可(或者选用“选择性粘贴”中的“无格式文本”复制到Word)。问题是，有些PDF格式的文档，我们却不能拷贝其文本内容，原因可能是：1，文本身里面的内容是图片格式的，整个文件由bmp格式的图像组成；2，这个PDF文档是加密的，需要破解。如果是图片格式的PDF，只能通过一些OCR识别软件(例如Office自带的OCR识别软件)来进行识别，即从图中抓取文字，通俗地说，就是“抠字”。 　　OCR是英文Optical Character Recognition的缩写，即采用各种光学设备识别手写或打印的字符。使用OCR技术，可通过扫描仪、数码相机等光学输入设备将报刊、书籍、文稿、票据以及其他印刷