【PDF转换的原理】跪求高手哟~O(∩
首先你先学下图形学 图像学,搞清图片和图形的区别。
PDF是用PS语言编写(研究这种语言的不多,绝版应该是南京大学某本书,我学过点)。
PDF中国式翻译就是便携式格式。
他同时可以携带位图和矢图。
同时可以携带大量和印刷有关的信息。
(图像,色域啊分辨率啊;矢量,路径啊蒙版啊)PDF采用更为严谨的文字处理方式,所以PDF可以是排版完的格式,而word却不是。
你可以发现word每行字的多少是可变的。
而pdf却不是。
PDF起初是用于印刷行业。
他可以是一个完版的格式。
有些排版信息再其中。
有时候已经将文字变成了图形嵌在其中,所以有些时候你可以发现,没有字体也可以正常显示。
有时候没有字体就会自己变字体。
所以逆转的时候 最大的错误版式会乱。
至于转换功能,我毕竟不是学计算机的,研究转换不是我的所专。
。
。
如何使用java代码实现pdf文档转成Word文档?
PDF也是有分的。
有些是文字的内容,有些是图片里有文字。
前者转换还可以接受,后者转换就不堪入目了。
网上很多java PDF的插件的,读出内容,再用插件将内容保存成word。
高级点的插件可能集成里PDF转word。
没有的话就用两个插件分开就可以了。
把文字和图片转换成代码
首先你得先把这些打印稿或文件通过扫描仪扫到电脑上去,一般单位都有扫描仪,如果没有也没关系,用数码相机拍也行,拍成图片放到WORD里面去,不过在些 之前,你还得装一下WORD自带的组件,03和07的都行。
点开始-程序-控制面板-添加/删除程序,找到Office-修改 找到Microsoft Office Document Imaging 这个组件,Microsoft Office Document Imaging Writer 点在本机上运行,安装就可以了。
首先将扫描仪安装好,接下来从开始菜单启动“Microsoft Office/ Microsoft Office 工具/Microsoft Office Document Scanning”即可开始扫描。
提示:Office 2003默认安装中并没有这个组件,如果你第一次使用这个功能可能会要求你插入Office2003的光盘进行安装。
由于是文字扫描通常我们选择“黑白模式”,点击扫描,开始调用扫描仪自带的驱动进行扫描。
这里也要设置为“黑白模式”,建议分辨率为300dpi。
扫 描完毕后回将图片自动调入Office 2003种另外一个组件“Microsoft Office Document Imaging”中。
点击工具栏中的“使用OCR识别文字”按键,就开始对刚才扫描的文件进行识别了。
按下“将文本发送到Word”按键即可将识别出来的文字转换到 Word中去了。
如果你要获取部分文字,只需要用鼠标框选所需文字,然后点击鼠标右键选择“将文本发送到Word”就将选中区域的文字发送到Word中 了。
此软件还有一小技巧:通过改变选项里的OCR语言,可以更准确的提取文字。
例如图片里为全英文,把OCR语言改为“英语”可以确保其准确率,而如果是“默认”则最终出现的可能是乱码~ 还有: 应该说,PDF文档的规范性使得浏览者在阅读上方便了许多,但倘若要从里面提取些资料,实在是麻烦的可以。
回忆起当初做毕业设计时规定的英文翻译,痛苦的要命,竟然傻到用Print Screen截取画面到画图板,再回粘到word中,够白了:(最近连做几份商务标书,从Honeywell本部获取的业绩资料全部是英文版的PDF,为了不再被折磨,花费了一个晚上的时间研究PDF和Word文件的转换,找到下面2种方法,出于无产阶级所谓的同甘共苦之心,共享下:) 1、实现工具:Office 2003中自带的Microsoft Office Document Imaging 应用情景:目前国外很多软件的支持信息都使用PDF方式进行发布,如果没有Adobe Reader,无法查看其内容,如果没有相关的编辑软件又无法编辑PDF文件。
转换为DOC格式则可以实现编辑功能。
尽管有些软件也可以完成PDF转换为DOC的工作,但很多都不支持中文,我们利用Office 2003中的Microsoft Office Document Imaging组件来实现这一要求最为方便。
使用方法: 第一步:首先使用Adobe Reader打开待转换的PDF文件,接下来选择“文件→打印”菜单,在打开的“打印”设置窗口中将“打印机”栏中的“名称”设置为“Microsoft Office Document Image Writer”,确认后将该PDF文件输出为MDI格式的虚拟打印文件。
编辑提示:如果你在“名称”设置的下拉列表中没有找到“Microsoft Office Document Image Writer”项,那证明你在安装Office 2003的时候没有安装该组件,请使用Office 2003安装光盘中的“添加/删除组件”更新安装该组件。
第二步:运行Microsoft Office Document Imaging,并利用它来打开刚才保存的MDI文件,选择“工具→将文本发送到Word”菜单,并在弹出的窗口中勾选“在输出时保持图片版式不变”,确认后系统提示“必须在执行此操作前重新运行OCR。
这可能需要一些时间”,不管它,确认即可。
编辑提示:目前,包括此工具在内的所有软件对PDF转DOC的识别率都不是特别完美,而且转换后会丢失原来的排版格式,所以大家在转换后还需要手工对其进行后期排版和校对工作。
2、实现工具:Solid Converter PDF 应用情景:利用Office 2003中的Microsoft Office Document Imaging组件来实现PDF转Word文档在一定程度上的确可以实现PDF文档到Word文档的转换,但是对于很多“不规则”的PDF文档来说,利用上面的方法转换出来的Word文档中常常是乱码一片。
为了恢复PDF的原貌,推荐的这种软件可以很好地实现版式的完全保留,无需调整,而且可以调整成需要的样板形式。
使用方法: 1、下载安装文件Solid Converter PDF,点击安装。
编辑提示:安装前有个下载安装插件的过程,因此需要保证网络连接通畅。
2、运行软件,按工具栏要求选择需要转换的PDF文档,点击右下的“转换”(Convert)按扭,选择自己需要的版式,根据提示完成转换
转载请注明出处51数据库 » pdf转word原理代码