怎样提取PDF文档中无法被复制的文本

发布网友发布时间：2022-04-21 05:02

共3个回答

热心网友时间：2022-06-06 14:06

展开1全部　　我是带着激动的心情写这篇经验的，因为困扰我很长时间的问题今天终于被解决：我成功提取了PDF文档中无法被复制的文本。首先，请大家仔细看下面两张来自不同的PDF文档的截图。

　　在第一张图所示的PDF文档中，文本文字都能够被自由复制，我们遇到的部分PDF文档就是这种类型。

　　然而，对第二张图所示的PDF文档，我们只能阅读它，无法复制其上的文本，这种文档有很多，今天，我们一起来看看提取这种文档的文本的方法。

　　工具/原料
　　计算机（带网络连接）
　　PDF-Xchange Viewer
　　Microsoft Word 2007(Word 2003也可以)
　　方法/步骤
　　1
　　首先，我们为PDF-Xchange Viewer下载OCR中文识别模块。我们打开PDF-Xchange Viewer官方网站，找到“Chinese Language pack”选项，如图1。

　　2
　　找到该项对应的“OCR AdditionalLanguagesCHI.ZIP”选项，左键单击它，进入下载页面。（如图2）

　　3
　　选择下载的目标位置，单击“下载”按钮，直至其下载完成，如图3、图4。

　　END
　　安装OCR中文识别模块。
　　1
　　解压我们刚下载完成的“OCR AdditionalLanguagesCHI.ZIP”包，安装OCR中文识别模块，按照提示，单击“OK”按钮。（如图5）

　　2
　　这一步，我们建议选择默认设置（即同时安装繁体中文和简体中文识别模块），单击“NEXT”按钮。（如图6）

　　3
　　然后，我们耐心等待安装完成。（如图7）

　　END
　　应用OCR中文识别模块提取文本。
　　打开我们要识别并提取其文本的文档（用PDF-Xchange Viewer打开），当前这些文本只能看，不能被复制（如图8）。我们单击菜单栏的“文档”选项，选择“识别页面”选项。

　　进入识别页面选项卡，如果我们仅需提取当前页面（仅此一页）的文本，勾选“当前页面”选项，在识别的主语言中，必须选择“Chinese（Simplied）”选项。（因为我们要提取的就是这些文字），然后单击“确定”按钮。（如图9）

　　我们看到，OCR识别页面正在进行。（如图10）

　　处理完成以后的页面如图11所示，我们惊喜地发现：这些原来不可被复制的文字已经可以被复制了！我们选取好想要复制的文本，单击右键，复制即可。

　　现在我们打开Microsoft Word 2007,粘贴刚才复制的文本。（如图12）

　　如图13，我们看到，这些文字已经被成功提取，值得注意的是：原文档中的非中文字符可能出现复制错误的情况（当然，这是极个别现象），如图中的某处错误，这里本该英文字符“Signals”。

热心网友时间：2022-06-06 14:07

可以使用xunjiePDF编辑器打开文件，点击界面上方的文档按钮，
在弹出的选项中选择提取页面按钮，这时候会弹出提取页面菜单，
在菜单中我们设置好需要提取的页面和保存位置就可以了。

热心网友时间：2022-06-06 14:07

其实很简单，不需要其它的软件。只需要你有PDF打印机就可以了。
把这个PDF再打印成PDF输出，新的PDF文件，就可以复制文本了。