對pdf文檔的認(rèn)識與應(yīng)用探討_ocr

1、對PDF文檔的認(rèn)識與應(yīng)用探討文檔的認(rèn)識與應(yīng)用探討_OCR1PDF文檔瀏覽我們平?？碢DF文件的軟件是AdobeReader，這是Adobe公司免費提供的用于閱讀PDF文檔的軟件，相信很多人對它并不陌生，但比較起來，有個軟件似乎也并不遜色，它就是FoxitReader（福昕閱讀器）。該軟件支持AdobeReader的所有功能特性，它具有令人難以置信的小巧體積OCR，安裝空間比AdobeReader小得多，只有區(qū)區(qū)幾個MB，而AdobeRe

2、ader比較龐大，安裝后甚至多達(dá)190MB。難能可貴的是，F(xiàn)oxitReader也有一些常用的編輯功能，比如可以制作書簽，在PDF文檔上輸入字符、對內(nèi)容進(jìn)行標(biāo)記等等，這對于普通用戶來說，已基本可以滿足日常辦公和學(xué)習(xí)需求。2PDF文件編輯Adobe公司的Acrobat軟件可謂大名鼎鼎，廣為人知。它是一款用來創(chuàng)建、編輯、審閱、批準(zhǔn)、加密和在線共享PDF的軟件，功能非常強(qiáng)大。比如要編輯PDF文檔里的文字，可以選擇視圖工具欄打字機(jī)工具，打開其工

3、具箱，便可以對文字進(jìn)行編輯。此外還有注釋工具、文本框、頁眉頁腳的添加等等。Acrobat有許多功能，如PDF文件分割與合并、Wd格式轉(zhuǎn)換成PDF格式、PDF頁面順序調(diào)整、頁面管理等，基本上都可以用其它的專門軟件來替代實現(xiàn)，網(wǎng)上有不少的專門工具（這些工具小巧玲瓏，啟動速度快捷，有的還是綠色版，根本無需安裝），可以在百度里以相應(yīng)關(guān)鍵詞搜索下載。Acrobat的不足之處也是體積過于龐大，正是因為如此，我們有內(nèi)容，整個文件由bmp格式的圖像組成

4、；2、這個PDF文檔是加密的，需要破解，破解后即可進(jìn)行選取、復(fù)制等操作。如果是圖片格式的PDF，只能通過一些OCR識別軟件（例如Office自帶的OCR識別軟件）來進(jìn)行識別，即從圖中抓取文字，通俗地說，就是摳字。OCR是英文OpticalacterRecognition的縮寫，即采用各種光學(xué)設(shè)備識別手寫或打印的字符。使用OCR技術(shù)，可通過掃描儀、數(shù)碼相機(jī)等光學(xué)輸入設(shè)備將報刊、書籍、文稿、票據(jù)以及其它印刷品的文字轉(zhuǎn)化為計算機(jī)的圖像信息，然

5、后再轉(zhuǎn)化為計算機(jī)的內(nèi)碼，也就是計算機(jī)的文本。經(jīng)過幾十年的發(fā)展，OCR技術(shù)已經(jīng)相當(dāng)成熟。OCR技術(shù)功能強(qiáng)大，可以識別數(shù)字、標(biāo)點符號、中英文字符，可以對中英文混排文稿進(jìn)行識別，還具備版面分析和識別功能，無論橫版、豎版、中文表格、圖文混排文件都能識別[3]。需要提醒讀者注意的是，在識別之前，需要首先把PDF文件轉(zhuǎn)換成tif或jpg格式的圖像頁。還有一種情況非常特殊（但也比較少見），PDF文檔里的文本雖然可以復(fù)制，但粘貼到Wd后竟全是亂碼。這時