在我们日常的学习中常遇到pdf，caj等文件需要提取其中的文字。当然这两种格式文件的阅览器都具备识别功能，但是缺点是，不是所有的都能识别，或者排 版格式很乱。当遇到这种情况时，不妨试试以下方法：

         其实office是自带文字识别系统的，只是我们都没有留意到。首先说说他的优点：识别率高；基本不破坏原有排版格式；对所有的图片格式都适用；

         下面说说具体使用步骤：

第一步：安装，在安装office时必须选择其中 一个叫“Microsoft Office Document Imaging”的组件。如果是第一次安装，直接跳到第二步。如果已经安装了office2003，那么只要再次运行安装程序，会出现如下界面（图1）， 默认选择“添加或删除功能”点击下一步。

第二步：在出现的窗口中在“选择应用程序的高级自 定义”前打勾，如图2。点击下一步。

第三步：找到Office工具下的 “Microsoft Office Document Imaging”如图3，鼠标左键点击图中箭头所指处。选择“从本机运行”然后点击“更新”就安装完毕了。

第四步：使用，首先对需要识别的文件打印（是虚拟 打印），如caj，pdf可在其阅览器中选择打印。而对于图片，可以把它插入到word中再选择打印。这里要注意，打印时选择的打印机应该是虚拟打印机。 如图4（以pdf文件打印为例），在箭头所指的下拉菜单中选择“Microsoft Office Document Imaging Writer”即可。然后打印很快就可以自动生成一个MDI格式的文档。

第五步：打印后会自动打开这个mdi文件，如图 5。选择图中箭头所指的按钮（前面那个），进行OCR文字识别。等待识别完成后（识别时间视文件大小而定），然后再选择箭头所指（后面那个）即可将所识别 的文本发送到word中去。

第六步：只需要经过简单的排版即可使用所需的文字 了。

作者:wxd@杭州SEO --吴晓棣个人网站
原文链接：http://www.wxd.cc/post/tupianzhuanhuanwenzi.html
版权声明：除非注明，本博客文章均为原创，转载请以链接形式标明原文链接。