2.1获取文本 课件 多媒体技术与应用项目教程航空工业版.pptx

文本处理技术

第二部分

素材获取处理篇

项目二

文本是文字、字母、数字和各种功能符号的集合。在计算机技术、通信技术和网络技术高速发展的现代化社会，虽然图形、图像、音频和视频等已经成为普遍的信息传播方式，但文本作为传统的信息载体，在多媒体应用中依旧有着不可动摇的重要地位。本项目将介绍获取和处理文本的方法。

项目二文本处理技术

2

任务一获取文本

文本在多媒体技术应用中起着举足轻重的作用，本任务将介绍计算机中文本文件的常见格式，以及输入文本的主要方式。

3

项目二文本处理技术

是纯文本文件格式，可使用Windows系统的“记事本”程序进行编辑和存储。纯文本文件除了换行和回车外，不包括文字的任何格式信息，如字体、大小、颜色、位置等。纯文本文件的通用性很强，在大多数文字处理软件和多媒体开发软件中均可直接使用该类文件。

TXT格式：

4

项目二文本处理技术

任务一获取文本

文本文件格式是指在计算机中存储文本的方式。下面介绍常见的文本文件格式。

5

项目二文本处理技术

任务一获取文本

提示

利用纯文本文件不包含任何格式信息的特点，可以方便地用它清除文本的格式信息。例如，如果将网页上的文本直接复制到Word等文字处理软件中，往往会带有一些不需要的格式符号，不方便编辑。因此，可首先将这类文本复制到“记事本”等纯文本程序中以转换为纯文本，然后再将纯文本复制到Word中。

DOC和DOCX格式：

是文字处理软件MicrosoftWord默认使用的文件格式。其中，DOC为Word2003及以前版本使用；DOCX为Word2007及以后版本使用。这两种格式的文件除可包含文本和各种排版格式外，还可包含图片、形状、表格、图表和超链接等信息。DOC和DOCX是目前最常用的文本文件格式。

RTF格式：

是Windows的“写字板”程序默认使用的文件格式，在该格式的文档中可以包含文本、图片和超链接等信息。RTF格式的文件被许多文字处理软件和多媒体开发软件支持，如Word和Authorware等。

6

项目二文本处理技术

任务一获取文本

WPS格式：

是金山WPS文字处理软件默认使用的文件格式。

HTML格式：

HTML是超文本标记语言的简称，这是一种网页文档格式，其最大的特点是使用各种标记来表示文档的结构和组成元素。

7

项目二文本处理技术

任务一获取文本

PDF格式：

这是由Adobe公司开发的一种电子文档格式。由于PDF格式的文件可以不依赖操作系统的语言和字体就能正常显示，因此它成为在Internet上发布电子文档的理想格式。目前，越来越多的电子图书、产品说明等使用PDF格式。

8

项目二文本处理技术

任务一获取文本

提示

各种格式的文本文件可通过一定的方法相互转换。例如，要将DOCX格式的文件转换成RTF格式，可先使用Word打开该文件，然后执行“另存为”命令，在打开的“另存为”对话框的“保存类型”下拉列表中选择“RTF格式”，然后单击“保存”按钮。

将文字输入计算机的方式主要有键盘输入、手写输入、语音输入和扫描识别输入。

9

项目二文本处理技术

任务一获取文本

键盘输入是传统的，也是主要的文字输入手段。计算机的通用键盘源自传统的打字机，本身是为英文字母的键入而设计的，因此，如果要输入英文字母和符号，直接敲击相应的按键即可。但如果要输入汉字，则需要通过输入编码（汉字输入法）进行输入。

汉字的三个要素是形、音、义，因此，汉字的输入编码也主要分为形码（如五笔字型输入法）和音码（如微软拼音输入法、搜狗拼音输入法）两大类。

汉字输入法种类繁多，并且新的输入法还在不断涌现，功能也在不断增强。例如，搜狗拼音输入法除可以通过全拼、简拼方式输入汉字外，还可以结合汉字的词义与语义特性，进行词汇与整句等智能化的输入。

利用键盘输入文字的优点是方便快捷，易修改且不需要附加录入设备；缺点是需要逐字敲入，因此输入速度较难提高，对于新手来说有一定的操作难度。

10

项目二文本处理技术

任务一获取文本

手写输入法是一种用特制的感应书写笔，在与计算机接口相连的手写板（参见图2-1）上书写文字来完成文字输入的方法。手写输入法符合人们用笔写字的习惯，只要将手写板接入计算机，在手写板上按平常的习惯写字，计算机就能将其识别出来，显示在文字录入窗口中。

手写识别输入的优点是不用专门学习训练，即写即得；缺点是潦草的字迹会影响识别率，导致输入结果不是很准确。

图2-1手写板

11

项目二文本处理技术

任务一获取文本

语音输入是将声音通过话筒输入计算机后直接转换成文字的一种输入方法。利用语音识别技术，计算机能迅速、自然地把读入计算机