对PDF文档的认识与应用探讨_OCR.docVIP

对PDF文档的认识与应用探讨_OCR 论文导读:：而若把这种格式的文档转换成PDF格式。再切换到Word或记事本程序中。使用OCR技术。公司的Acrobat软件可谓大名鼎鼎。文档应用的常见情况。 论文关键词：PDF，Word，OCR，Acrobat，应用 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自己格式的文档，如果计算机里没有该软件，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，从而避免了必须安装相应软件的麻烦。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，但比较起来，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的所有功能特性，它具有令人难以置信的小巧体积OCR，安装空间比Adobe Reader小得多，只有区区几个MB，而AdobeReader 比较庞大，安装后甚至多达190MB。难能可贵的是，FoxitReader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软件可谓大名鼎鼎，广为人知。它是一款用来创建、编辑、审阅、批准、加密和在线共享PDF的软件，功能非常强大。比如要编辑PDF文档里的文字，可以选择视图工具栏打字机工具，打开其工具箱，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有许多功能，如PDF文件分割与合并、Word格式转换成PDF格式、PDF页面顺序调整、页面管理等，基本上都可以用其它的专门软件来替代实现，网上有不少的专门工具（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），可以在百度里以相应关键词搜索下载。Acrobat的不足之处也是体积过于庞大，正是因为如此，我们有时可用Foxit PDF Editor取而代之。Foxit PDF Editor同样具有可靠而卓越的所见即所得的编辑功能，其中，快速导出电子书特定页面更是可圈可点，值得称叹。对于一本拥有数十甚至数百页的PDF电子图书，如果想将其中某些页面提取出来单独作为资料进行保存，一般的常规作法可能很难来实现，但在这款软件中，却很容易搞定。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论文服务。在默认的条件下，软件是导出当前页面，但这款软件还可以进行批量导出，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OCR，如1，5，6，8，11页、5-12页等等。美中不足的是，Foxit PDF 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FoxitReader）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)。这与我们平常在Word中的操作没有什么不同。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、本身里面的内容是图片格式的，即源文件没有文本内容，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，破解后即可进行选取、复制等操作。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