利用OCR中文识别技术。这种技术能够有效地从PDF文件中提取出文字

      许多人在处理PDF文件时，常常遇到无法复制文字的困扰，这确实令人头疼。除了那些经过加密的PDF文件之外，如果遇到无法复制的情况，那很可能是因为这些文字是以图片的形式存在于PDF中，例如通过扫描仪扫描得到的。那么，如何解决这个问题，提取PDF中的文字呢？在此，我想分享一个实用的方法，那就是利用OCR中文识别技术。这种技术能够有效地从PDF文件中提取出文字，无论是普通的文本还是图片中的文字，都能轻松识别。希望我的这个小技巧能对大家有所帮助。

pdf文字提取软件，下载地址：http://www.leawo.cn/ND_upload.php?do=info&id=3146

      PDF文件中的文字存在两种可能性：其一，文字型PDF，可能是以计算机字符代码的形式被包裹在文件中；其二，图像型PDF，可能只是一个页面图像中的像素组成的线条，没有字符代码信息。

      第一种文字型PDF比较简单，可以采用格式转换的方式直接转换PDF文件为文本。

      打开PDF文字识别软件，执行“文件”-“打开图像...”导入PDF文件，然后执行“输出”-“PDF文件转换为TXT文件”（或PDF文件转换为RTF文件）。

      弹出“PDF转换为TXT”对话框，选择转换的页面，还有生成文件的目录，点击“确定”。即可生成以源文件一样名称的TXT文本文件了。

      如下图所示，PDF成功转换为TXT文本。

      第二种图像型PDF，有的PDF都是扫描图片，这个就不能复制文字了，可以采用OCR识别的方式，将PDF文件转换为可编辑文档。这也是本文主要讲的pdf文字识别方法。

      还是打开PDF文字提取软件，执行“文件”-“打开图像...”导入PDF文件。

      接下来，点击一下工具栏上的“恢复鼠标”按钮，再在右下方的图片栏中，圈选需要识别的文字。然后执行“识别”-“开始识别...”。如下图所示。

      这样，软件立即能识别出对应的文字来，自己可以检查一遍有没有个别因字体模糊而识别失误的地方（一般软件不确定的地方会将识别的文字标为红色的），如有也可以手工更正的。OK，如果正确无误了，就可以导出文本了，执行“输出”-“到指定格式文件”。

      弹出“保存识别结果”对话框，在这里自定义输出文件的路径，文件名称，保存类型（如TXT、RTF、HTM、XLS），然后“保存”搞定。

      预览输出的文本看看，如下图所示，效果不错。

      这款强大的识别/提取软件不仅具备提取PDF文件中文本的功能，而且还能够处理各种格式的图片，如TIF、BMP和JPG。无论你需要在何种格式的图片中提取文字，这款软件都能满足你的需求。它的实用性不容小觑，绝对是你处理文字提取任务的得力助手。

参考教程：

如何提取图片中的文字 图片文字识别(提取)的方法:
http://www.leawo.cn/space-138176-do-thread-id-62916.html

ocr文字识别软件,教你如何识别图片中的文字并提取为可编辑的文本:
http://www.leawo.cn/space-138176-do-thread-id-62018.html