現在網上許多資料都是以caj、pdf等檔案格式提供的，其中的文字不能被直接編輯。網上提供了許多處理這種情況的軟體，但是它們不是效率低，就是只能提取其中部分文字。本文所述利用微軟提供的ocr識別技術從caj、pdf等檔案中提取全部文字的方法，簡便快捷，效率很高。
從不同格式的檔案中提取文字前需要做好以下準備工作，安裝cajviewer5.5瀏覽器軟體和acrobat 5 專業版瀏覽器軟體安裝office2003，並完全安裝of?鄄fice工具microsoft office document imaging，然後在印表機裡面會增加microsoft office document image writer印表機。
microsoft office document image可以非常準確的全檔案識別轉化中文、英文、**。 一、caj檔案的識別 （一）首先，從網上**caj格式的資料檔案儲存到本地硬碟上。 （二）然後，啟動cajviewer瀏覽器程式，並在該程式中開啟剛才儲存的caj格式的檔案。
瀏覽檔案到最後一頁後，不要關閉caj瀏覽器程式。 （三）在caj瀏覽器程式視窗中，選擇「檔案」→「列印」，並選擇印表機為microsoft office document image writer印表機，勾選列印到檔案選項和確定列印頁數。 （四）儲存列印檔案（*.
prn）到適當位置。等待列印完成後，microsoft office document image 自動開啟剛才儲存的列印檔案。 （五）在microsoft office document image視窗中，選擇「頁面」選單中的「選擇所有頁面」選單項，然後選擇「工具」選單中的「使用ocr識別文字」提取文字。
（六）選擇「工具」下的 「將文字傳送到word」，最後將把整個caj檔案識別輸出到word檔案中。 二、pdf檔案的識別 （一）以文字形式儲存的pdf檔案，用acrobat 5 專業版，識別整個檔案。直接開啟從網上**的pdf格式檔案另存為rtf檔案，或者選擇工具欄上的文字選擇按鈕，然後選擇文字區域，然後複製到word中即可。
（二）以**形式儲存的pdf檔案，將pdf檔案列印到microsoft office document image writer印表機，選擇列印形成的檔案的儲存位置，然後會自動形成乙個mdi檔案，並且自動用microsoft office document image開啟此檔案，然後在microsoft office document im?鄄age中選擇「工具」選單中的「使用ocr識別文字」，識別完成後，在選擇「工具」下的，「將文字傳送到word」，最後將把整個pdf檔案識別輸出到word檔案中。 （三）加密的pdf檔案先**解密軟體，解密後在參照上述步驟1),2) 進行。
（四）繁體pdf檔案用上述步驟2)的方法識別到word後，用word中的「工具」→「語言」→「中文繁簡轉換」 三、超星檔案的識別 （一）全檔案識別列印到microsoft office document image writer印表機，然後按上述pdf檔案的識別步驟中第二點操作，要注意的是，超星列印功能有點區別，因為超星是目錄和全文分開的，所以列印時，需要分別把目錄和正文識別到word中，再合併到一起。列印時要填入列印頁碼從1到最後一頁，不要選擇列印全部。在列印選項中，要將頁面比例設成真實大小，而不是整寬。
注意識別速度比其他格式要慢很多，請保持耐心。一般一本200多頁的書，識別需要幾分鐘的時間。 （二）超星檔案識別相對比較麻煩一些，如果還有問題，可以先把超星列印成完整的pdf檔案，然後再用上述識別pdf檔案的方法轉成word。
四、後記經過試驗，發現microsoft office document image 存在一些不穩定的問題，如在用caj列印到microsoft office document image writer時，發現用caj5.5版本比較快，而caj5.0有時出現假死機。
頁面顯示大時，轉化的識別率較高。如果頁數多的檔案，包括超星，可以分多次轉化。 由於虛擬列印到microsoft office document image writer 比較慢，並且形成的虛擬檔案很大，1本200多頁的書大約是60m，因此會嚴重影響機器的執行速度、c盤和記憶體空間。
建議配置好的機器一次轉化不要超過 200頁，配置差的不要超過100頁，同時列印時在工作列中會出現印表機圖示，可以雙擊，看到列印任務的進度，避免誤以為宕機。轉化完成後請刪除 c:\windows\temp目錄下的虛擬列印檔案，否則c盤很快會被用光
很喜歡cajviewer這個軟體，就算是不能直接複製的文件，也可以用其自帶的文字識別功能來準確的識別。
關於亂碼問題，自己很少碰到，可以試下這兩個方法：
（1）複製後先貼上到記事本裡，之後在轉到word裡，或者用【選擇性貼上】貼上為無格式文字。
（2）直接用cajviewer的文字識別功能進行識別——點「選擇影象」按鈕，框選需要的文字後，右鍵選擇【文字識別】。（這裡還有乙個傳送到word，同樣可以試試）
自我我認為用其他軟體轉換沒什麼用，就算轉換成功，那格式的修改也是一大問題！
（1）caj複製來的文字每行後都有一段落標記，很是討厭，其實可以用word的替換功能很快去掉——選擇剛剛貼上進來的文字，執行【編輯】-【替換】，替換【^p】為空白就行了（^p即為段落標記），注意只「全部替換」一次，別不小心把全文都整成一段了……
（2）文件中可能會有很多空白行，一行行刪除太過費勁，同樣用替換功能，先將文字中的空格全部替換為空白（空格可能看不出來，全部替換就是了），再將【^p^p】全部替換為【^p】，多替換幾次就能把空白行刪除乾淨了……
如果是word2007的話，【替換】在開始的最右邊。可以使用【替換】最下面的【特殊格式】把那些變成空白。
CAJ格式轉換成的方法
從不同格式的檔案中提取文字前需要做好以下準備工作，安裝cajviewer5.5瀏覽器軟體和acrobat 5 專業版瀏覽器軟體安裝office2003，並完全安裝of?鄄fice工具microsoft office document imaging，然後在印表機裡面會增加microsoft offi...
將pdf轉換成格式的方法
從網上 的pdf文件，很多都只允許你閱讀，並不支援你複製列印。然而辦公中有時需要我們將這類pdf電子書轉成可以編輯的word文件，遇到這種情況，很多辦公新手往往不知道從何下手，下面就教大家如何快速將pdf轉換成word文件。由於我使用的是迅捷pdf轉換成word轉換器免費試用版，所以我就以此軟體為例...
如何把PDF和CAJ檔案轉換成
pdf等檔案格式提供的，其中的文字不能被直接編輯。網上提供了許多處理這種情況的軟體，但是它們不是效率低，就是只能提取其中部分文字。本文所述利用微軟提供的ocr識別技術從caj pdf等檔案中提取全部文字的方法，簡便快捷，效率很高。從不同格式的檔案中提取文字前需要做好以下準備工作，安裝cajviewe...