PDF格式文件怎样转化成DOC格式文件

2023年12月6日发(作者：)

PDF格式文件怎样转化成DOC格式文件

法一：

直接采用软件，比较好的有solidconverpdf，ter.v1.0。用ter时，当采用以word文档打开的方式时，ter会自动弹出询问是否转化。校园网ftp也有相关的软件，并且是破解版。

不过经过试验，发现这些软件对只有是源文件是pdf的文件的转化效果较好，如果源文件是其他格式，而转化为pdf的，则无法正常转化，只能将文件以内嵌图片的方式转化，也就是说在word文件中是图片的形式。

法二：

1、先将PDF转为图片：

可用：“Galcott PDF Converter”软件将PDF转为图片格式

/SoftView/SoftView_

2、再用OCR软件识别、校对：

推荐使用“汉王OCR2.5”

ftp://software@211.147.168.80/pic/ 虽然汉王巳出了5300、5800、6800，但真正完全破解的只有汉王OCR2.5，用它的批文件处理模式可进行自动识别，然后再校对。

3、输出到文本：

完成识别校对后，可用我先前发的“OCR助手”软件

/personal/wyx/download/

删除多余的换行符并合并导出为单个文本文件。

4、在WORD中作最后的修饰。

注：此法引述段老师课堂段老师的说法，本人由于没找到相关软件没有成功。

如果是原文件非pdf格式，可用此法，首先确定你是否安装了Office 2003中的Microsoft Office Document Imaging组件,如果没有，使用Office 2003安装光盘中的“添加/删除组件”更新安装该组件，选中“Office 工具 Microsoft DRAW转换器”

第二步，打开转化好的pdf文件，点打印按钮，此时office的虚拟打印机会自动弹出对话框，如果有多个虚拟打印机，则选择Microsoft Office Document Image writer.然后会成生一个MDI文件，并且自动打开，选择“工具→将文本发送到Word”菜单，在弹出的窗口中选中“在输出时保持图片版式不变”，确认后系统会提示“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。如果配置较低却是比较费时，大概会有十分钟左右，2M的文件。这一步完成后会自动弹出word对话框，并且询问以何种方式打开，不理它，按默认的方式打开即可，因为识别率较低，所以接下来就是在word中手工操作了。

pdg格式转doc格式虽然超星本身带有OCR识别功能，但是太垃圾，只能识别简单的字。

所以这个比较复杂，没有直接的软件，至少我还没找到，思路是先转为pdf格式，然后转为doc格式：

其中第一步：pdg转pdf格式，建议用pfdFactory，这是个虚拟打印机，首先在超星中将文件打开，点击图书—打印，输入页数，然后确定，接下来就会出现一个选择虚拟打印机的对话框，当然选pfdFactory，完成后文件会自动打开，这里只是预览，记得要保存。需要注意的一点是，当pdg文件中有空白页时，pfdFactory会停止不动，我也没搞清是怎么回事。

第二步，当然是由pdf转换为doc了，可以采用上边已经叙述的方法。我是用我个人实践的方法的，主要的缺陷是有不少乱码，第二是超星文本中有些文字扫描的不是很清晰，所以容易出错，不过整体上来说文本的转化没有丢太多东西。

现在网上的许多资料都是以CAJ、PDF等文件格式提供的，其中的文本不能被直接编辑。网上提供了许多处理这种情况的软件，但是它们不是效率低，就是只能提取其中部分文本。本文所述利用微软提供的OCR识别技术从CAJ、PDF等文件中提取全部文本的方法，简便快捷，效率很高。

从不同格式的文件中提取文本前需要做好以下准备工作，安装CAJViewer5.5浏览器软件和acrobat 5 专业版浏览器软件安装Office2003，并完全安装Of?鄄fice工具Microsoft

Office Document Imaging，然后在打印机里面会增加Microsoft Office Document Image Writer打印机。 Microsoft

Office Document Image可以非常准确的全文件识别转化中文、英文、表格。

一、CAJ文件的识别

（一）首先，从网上下载CAJ格式的资料文件保存到本地硬盘上。

（二）然后，启动CAJViewer浏览器程序，并在该程序中打开刚才保存的CAJ格式的文件。浏览文件到最后一页后，不要关闭CAJ浏览器程序。

（三）在CAJ浏览器程序窗口中，选择“文件”→“打印”，并选择打印机为Microsoft Office Document Image Writer打印机，勾选打印到文件选项和确定打印页数。

（四）保存打印文件（*.prn）到适当位置。等待打印完成后，Microsoft Office Document Image 自动打开刚才保存的打印文件。

（五）在Microsoft Office Document Image窗口中，选择“页面”菜单中的“选择所有页面”菜单项，然后选择“工具”菜单中的“使用OCR识别文本”提取文本。

（六）选择“工具”下的 “将文本发送到word”，最后将把整个CAJ文件识别输出到word文件中。

二、PDF文件的识别

（一）以文本形式保存的PDF文件，用acrobat 5 专业版，识别整个文件。直接打开从网上下载的PDF格式文件另存为RTF文件，或者选择工具栏上的文字选择按钮，然后选择文字区域，然后复制到Word中即可。

（二）以图片形式保存的PDF文件，将PDF文件打印到Microsoft Office Document Image Writer打印机，选择打印形成的文件的保存位置，然后会自动形成一个MDI文件，并且自动用Microsoft Office Document Image打开此文件，然后在Microsoft Office Document Im?鄄age中选择“工具”菜单中的“使用OCR识别文本”，识别完成后，在选择“工具”下的，“将文本发送到word”，最后将把整个PDF文件识别输出到word文件中。 （三）加密的PDF文件先下载解密软件，解密后在参照上述步骤1),2) 进行。

（四）繁体PDF文件用上述步骤2)的方法识别到word后，用word中的“工具”→“语言”→“中文繁简转换”

三、超星文件的识别

（一）全文件识别打印到Microsoft Office Document

Image Writer打印机，然后按上述PDF文件的识别步骤中第二点操作，要注意的是，超星打印功能有点区别，因为超星是目录和全文分开的，所以打印时，需要分别把目录和正文识别到Word中，再合并到一起。打印时要填入打印页码从1到最后一页，不要选择打印全部。在打印选项中，要将页面比例设成真实大小，而不是整宽。注意识别速度比其他格式要慢很多，请保持耐心。一般一本200多页的书，识别需要几分钟的时间。

（二）超星文件识别相对比较麻烦一些，如果还有问题，可以先把超星打印成完整的PDF文件，然后再用上述识别PDF文件的方法转成Word。

四、后记

经过试验，发现Microsoft Office Document Image 存在一些不稳定的问题，如在用CAJ打印到Microsoft Office

Document Image Writer时，发现用CAJ5.5版本比较快，而CAJ5.0有时出现假死机。页面显示大时，转化的识别率较高。如果页数多的文件，包括超星，可以分多次转化。 由于虚拟打印到Microsoft Office Document Image

Writer 比较慢，并且形成的虚拟文件很大，1本200多页的书大约是60M，因此会严重影响机器的运行速度、C盘和内存空间。建议配置好的机器一次转化不要超过200页，配置差的不要超过100页，同时打印时在任务栏中会出现打印机图标，可以双击，看到打印任务的进度，避免误以为死机。转化完成后请删除c:windowstemp目录下的虚拟打印文件，否则C盘很快会被用光。

如果是Office 2003,可以利用Microsoft Office 文档

Imaging组件的ocr功能.

第一步：首先使用CAJ浏览器打开文档，接下来选择打印，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 文档 Image Writer”，确认后将该NH文件输出为MDI格式的虚拟打印文件。

提示：如果你在“名称”设置的下拉列表中没有找到“Microsoft Office 文档 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 文档 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”，确认即可。

好象CAJ5.0以上版本可以转换为WORD文档,只过不可以转换图象，公式，图表，但是您可以用“复制图位”按钮，以图象方式复制到WORD文档. 第二种方法： CAJ支持另存为TXT，操作在“文件”选项里，但TXT为文本文件，不能保存图片，公式，图表等，可由TXT转为DOC后，通过“复制图位”按钮，以图象方式复制到WORD文档中去。

也可以用Acorbat7.0打印成PDF后直接另存为DOC。