【经验分享】扫描下来的 PDF 文件如何做文字修改（OCR）？

[Gil]

文章简介

本文主要介绍如何通过第三方软件将 PDF 格式进行转换以使得内容可以随意修改的方法。

什么是 PDF 格式

PDF 是 Adobe 便携式文档格式（Portable Document Format）的简称，PDF 以“文本+图像”的格式，保留了原文件的细节信息，如：字体格式，版式和图片色彩等，且质量清晰、容量较小、可以多页合成一个文件，所以非常适宜网上传输，公司内部共享。

由于 PDF 格式是 Adobe 公司开发的，所以经常用 Acrobat Reader 或 Acrobat 软件打开，但无论是 Reader 还是 Acrobat，都无法修改 PDF 文件里面的内容。Acrobat 仅比 Reader 多了调用扫描仪、添加一些元素等功能而已。

方法简介

我们主要通过“Microsoft Office Document Imaging”这个 Office 的组件进行格式转换和文字识别。这个组件集成在微软的 Office XP 及以上版本下，并且为默认安装组件，若您的电脑中没有它，建议放入微软的 Office 光盘安装。如何判断自己的电脑已经安装上了这个组件呢？就是看控制面板里的打印机文件夹下是否有了一个名为“Microsoft Office Document Imaging”的打印机图标。

此组件最后会将 PDF 格式转换成 Word 格式，即可在 Word 中编辑修改了。转换识别后原稿还需要重新排版和校对。

操作步骤

1. 确保电脑上已经正确安装了如下软件：Acrobat 或 Acrobat Reader、Office XP 或 Office 2003（带有 Microsoft Office Document Imaging 组件）。
2. 用 Acrobat 或 Acrobat Reader 软件将已有的或扫描进来的 PDF 文件打开，然后点击“文件”菜单下的“打印”，打印机名称选择“Microsoft Office Document Image Writer” 。如图 1 在 Acrobat 中选择“Microsoft Office Document Image Writer”虚拟文件打印机所示。此打印机将输出一个后缀名为MDI的虚拟打印文件。
   图 1: 在 Acrobat 中选择“Microsoft Office Document Image Writer”虚拟文件打印机

   
   点击“确定”按钮按钮后将输出一个 MDI 文件且自动打开了 Microsoft Office Document Imaging 组件界面。如果没有自动打开，可以依次点击电脑左下角“开始”→“程序”→“Microsoft Office”→“Microsoft Office 工具”，打开此组件。
3. 在“Microsoft Office Document Imaging”窗口中依次点击“工具”→“将文本发送到 Word ”菜单，出现如图 2 将原稿发送到 Word 所示界面：
   图 2: 将原稿发送到 Word

   

   

   注 :勾选上“在输出时保持图片版式不变”，这样可以最大程度保留原稿格式。
4. 点击“确定”按钮后会有 OCR 的提示，如图 3 OCR 提示所示：
   

   注 :如果安装完整的 Office 软件，Microsoft Office Document Imaging 及 OCR 组件可能会没有安装，当您按照本文介绍的方法使用时，Office 软件会提示您安装该组件。请根据提示放入 Office 光盘，安装程序会自动根据提示安装该组件。
   图 3: OCR 提示

   
5. 点击“确定”按钮后开始 OCR 过程，如图 4 OCR 识别所示：
   图 4: OCR 识别

   
6. 识别完成后会自动打开 Word，您的原稿就会在 Word 中并且可以自由编辑了。

相关文章

如果您通过本文介绍的方法操作后，一体机扫描出现故障，请参考以下文档：

扫描全黑是什么原因，该如何处理？

[Lindj]

感谢分享

[elvis]

感谢分享

[Lindj]

非常不错的分享

[KevinL]

OCR不是所有机器的软件里都带这个的，建议明确机型，不过这个确实是满方便的。

[Lindj]

这个是office自带的