论文导读:：而若把这种格式的文档转换成PDF格式。再切换到Word或记事本程序中。使用OCR技术。公司的Acrobat软件可谓大名鼎鼎。文档应用的常见情况。
论文关键词：PDF，Word，OCR，Acrobat，应用
PDF是英文Portable Document Format的缩写，意为便携式文档格式，其突出优点是“将PDF文件格式的文字、字型、格式、颜色及独立于设备和分辨率的图形图像等封装在一个文件中”，从而保持源文档排版风格和字体格式不变（这样就不用担心其他电脑上的字体不全了）。我们都知道，一种软件一般只编辑自己格式的文档，如果计算机里没有该软件，则文档就无法打开，而若把这种格式的文档转换成PDF格式，则只要电脑里装有PDF浏览器，就可以阅览到这些文档的内容，从而避免了必须安装相应软件的麻烦。PDF文档的优点还有很多，具体可参见文[1-2]。所以很多产品说明书、技术文档、大量电子版书籍、学术论文以及相关文件等资源均以 PDF文件为主流的电子图书格式存储于互联网之中，它已成为了互联网中电子文档分发广泛使用的格式。
1 PDF文档浏览
我们平常看PDF文件的软件是Adobe Reader，这是Adobe公司免费提供的用于阅读PDF文档的软件，相信很多人对它并不陌生，但比较起来，有个软件似乎也并不逊色，它就是Foxit Reader（福昕阅读器）。该软件支持Adobe Reader的所有功能特性，它具有令人难以置信的小巧体积OCR，安装空间比Adobe Reader小得多，只有区区几个MB，而AdobeReader 比较庞大，安装后甚至多达190MB。难能可贵的是，FoxitReader也有一些常用的编辑功能，比如可以制作书签，在PDF文档上输入字符、对内容进行标记等等，这对于普通用户来说，已基本可以满足日常办公和学习需求。
2 PDF文件编辑
Adobe公司的Acrobat软件可谓大名鼎鼎，广为人知。它是一款用来创建、编辑、审阅、批准、加密和在线共享PDF的软件，功能非常强大。比如要编辑PDF文档里的文字，可以选择“视图→工具栏→打字机工具”，打开其工具箱，便可以对文字进行编辑。此外还有注释工具、文本框、页眉页脚的添加等等。Acrobat有许多功能，如PDF文件分割与合并、Word格式转换成PDF格式、PDF页面顺序调整、页面管理等，基本上都可以用其它的专门软件来替代实现，网上有不少的专门工具（这些工具小巧玲珑，启动速度快捷，有的还是绿色版，根本无需安装），可以在百度里以相应关键词搜索下载。Acrobat的不足之处也是体积过于庞大，正是因为如此，我们有时可用Foxit PDF Editor取而代之。Foxit PDF Editor同样具有可靠而卓越的所见即所得的编辑功能，其中，“快速导出电子书特定页面”更是可圈可点，值得称叹。对于一本拥有数十甚至数百页的PDF电子图书，如果想将其中某些页面提取出来单独作为资料进行保存，一般的常规作法可能很难来实现，但在这款软件中，却很容易搞定。用户在Foxit PDF Editor中打开PDF电子图书，然后在软件的“文档”菜单中选择“导出页面”选项，在打开的“导出页面”对话框中，只要指定导出页面保存路径和导出页面的范围，软件即可进行自动导出了论文服务。在默认的条件下，软件是导出“当前页面”，但这款软件还可以进行批量导出，在该“导出页面”对话框的“原始页面范围”中先选中“页面”，然后指定需要导出的页面页码或页面页码范围即可OCR，如“1，5，6，8，11”页、“5-12”页等等。美中不足的是，Foxit PDF Editor不支持为PDF文档添加页码。
3 PDF文档应用的常见情况
3.1 从PDF文档中提取文字和图片
从PDF格式的资料文件中提取文字内容拷贝到Word文档中，方法很简单：在PDF浏览器（如FoxitReader）中打开该PDF文档，然后用鼠标选取，右击“复制”命令（放到了剪切板上），再切换到Word或记事本程序中，“粘贴”即可（或者选用“选择性粘贴”中的“无格式文本”复制到Word)。这与我们平常在Word中的操作没有什么不同。问题是，有些PDF格式的文档，我们却不能拷贝其文本内容，原因可能是：1、本身里面的内容是图片格式的，即源文件没有文本内容，整个文件由bmp格式的图像组成；2、这个PDF文档是加密的，需要破解，破解后即可进行选取、复制等操作。如果是图片格式的PDF，只能通过一些OCR识别软件（例如Office自带的OCR识别软件）来进行识别，即从图中抓取文字，通俗地说，就是“抠字”。
OCR是英文Optical Character Recognition的缩写，即采用各种光学设备识别手写或打印的字符。使用OCR技术，可通过扫描仪、数码相机等光学输入设备将报刊、书籍、文稿、票据以及其它印刷品的文字转化为计算机的图像信息，然后再转化为计算机的内码，也就是计算机的文本。经过几十年的发展，OCR技术已经相当成熟。OCR技术功能强大，可以识别数字、标点符号、中英文字符，可以对中英文混排文稿进行识别，还具备版面分析和识别功能，无论横版、竖版、中文表格、图文混排文件都能识别[3]。需要提醒读者注意的是，在识别之前，需要首先把PDF文件转换成tif或jpg格式的图像页。
还有一种情况非常特殊（但也比较少见），PDF文档里的文本虽然可以复制，但粘贴到Word后竟全是乱码。这时候，只有把文档输出图片格式，再进行文字识别（OCR）了。
提取PDF文档中的图片的方法是：在Foxit Reader打开PDF文件，点击“工具→快照”OCR，或者直接在工具栏点选“框选某视区范围并复制为图片”按钮，随后光标变成十字型，拖动鼠标将要复制的图片选中，系统会自动将图片复制到剪贴板中了，再粘贴到Word等软件中即可。
这里要特别说明的是PDF文件中数学公式的抽取。把PDF数学公式复制粘贴到Word、记事本等程序中总是显示为不规范的符号、结构甚至乱码。文[4]也提到基于OCR技术的解决方法，但阐述的是从理论角度，不具有可操作性和适应性，对一般用户意义不大。
3.2 在PDF文档里添加页码
前已所述，Acrobat软件相关功能都可以用其它软件替代，但经笔者多年实践，若要对PDF文档添加页码，似乎只有Acrobat一枝独秀，可以胜任。添加页码的方法很简单，在Acrobat中，选择“文档→页眉和页脚”，在弹出的“添加页眉页脚”对话框进行相关设置即可，这里不多赘述。提醒读者注意一下几点：选择好某种字体，一定要注意下面的预览，看看其能否显示和显示效果；在“添加页眉页脚”对话框的右边可以设置一些其他要求，比如奇偶页什么的，最后点“确定”就行了；如果确定之后对之前设置的页码什么的不满意或者要修改，可以重新执行“文档→页眉和页脚”，点击“替换现有的”，重新弹出“添加页眉页脚”对话框，就可以直接设置为新的格式，当然，如果顶上的三个框框里都是空白的话那就是删除了页眉页脚，那页码也就没了。
3.3 Word文件转PDF格式
前已阐述Acrobat软件具有PDF文件转换的功能，但是如果仅仅用它来转换，显然是大材小用，尽管如此，我们还是有必要知道转换的方法，这主要是考虑到转换的方法有其相通性，即能虚拟打印就能转换。安装好Acrobat，系统会自动生成两个PDF虚拟打印机（Acrobat Distiller和Acrobat PDFWriter）。转换PDF格式，正是借助Acrobat Distiller或Acrobat PDFWriter实现。打开源文档，然后执行“文件→打印”命令调出打印对话框，在打印机名称下拉列表中选择 AcrobatDistiller 或Acrobat PDFWriterOCR，再像平时真正打印一样作一些设置，然后单击“确定”按钮，随后就会弹出一个另存为PDF的对话框，输入文件名并单击“确定”按钮即可。虚拟打印并不是真正的打印，请读者不要误会。当然，如果仅是为了转换格式，用Acrobat确实有点“杀鸡用牛刀”。其实有些转换PDF文件的小工具更好用，如著名的CutePDF Writer等，其转换的方法与之如出一辙，都是用“虚拟打印”的方法实现，过程、途径与上面相似，这里不赘。
3.4 PDF文件转Word格式
PDF格式虽然能用Acrobat编辑但毕竟不方便，因此很多时候，需要将它们转换为DOC文档后再编辑。微软的Word字处理软件想必是全民皆知的。PDF文档转换成Word文档，与Word转换PDF格式不同，相对比较难，容易出现乱码、格式版式丢失等等情况。网上PDF转Word 的工具软件也很多，如PDFFactory Pro、Converter for Microsoft Word等，但功能表现经笔者实践似以Solid PDF Converter最为抢眼。最值得称道的地方在于：当转化PDF文件为Word格式时，用其“全真页面模式”转化Word文件，转化的效果非常好，在编排上不出现任何变化，尤其是Word文档含有图片、表格时。具体的操作很简单论文服务。安装Solid PDF Converter后，Word中会多出一个“Open PDF”按钮。在Word中点击这个按钮，会出现PDF Converter的对话框。在“PDF File To”中选择要转换的PDF文档，然后点击“OPEN”就会在PDF文档所在的目录下生成同名的DOC文档，同时Word会自动打开转换后的DOC文档。虽然有时还是有乱码产生，但实践表明它在同类软件中仍然是最好的。由于转换DOC文档目的是为了更方便编辑，所以对于那种图片格式的PDF，尽管可以用Solid PDF Converter将其转换为Word格式，但转化后的Word仍然是图片似的，仍无法对其文字编辑。所以还是要借用OCR软件来处理（前面已有阐述）。识别的结果有时候可能有些“惨不忍睹”，但除了这种方法，似别无他法。
值得一提的是，若用Acrobat将PDF文档转换为Word文档，首先打开一篇PDF文档，再选择“文件→另存为”，选择“保存类型”为rtf格式OCR，建议最好保存成这种格式，以最大限度地减少乱码的产生。
3.5 PDF文档书签
我们在打开PDF电子书时，无论上次阅读到什么位置，显示的总是首页，如果页数较多找起来比较麻烦。若能像阅读书籍那样使用书签，就可方便下次的查阅。这是一项非常实用高效的功能。我们以Acrobat为例，加以简单介绍。首先进入Acrobat的主界面，然后在菜单栏中依次选择“编辑→首选项→文档”，并选中右侧的“重新打开文档时恢复上次视图设置”选项，这样设置后的PDF文档，即可在每次打开时自动定位到上次关闭的页面位置。使用这个无形的书签，减少了不必要的反复寻查，为我们具体摘要。
结束语
PDF是一种全球通用的文件格式，在网络信息中，越来越多的人在使用这种格式，PDF正越来越普及和受到青睐。本文探讨了普通用户相对比较关心、以及在具体使用中可能会碰到的问题，基于笔者多年的经验和心得，提出了参考意见，期待对大家有所启发和帮助。PDF更多赏心悦目的特色和引人入胜的功能，还有待读者自己去挖掘，去体会。
参考文献
[1]郑明.Adobe Acrobat软件在多媒体教学中的应用[J]. 科技信息,2010（6）：258-260
[2]纪宏伟.数学论文的LaTeX排版与全文上网[J]. 软件导刊·教育技术,2011（1）：87-88
[3]李新平.OCR技术的教育应用研究[J]. 教育技术导刊,2006（9）：45-46
[4]田学东等.基于统计特征的数学公式抽取方法的研究[J]. 计算机工程,2006，32（19）：211-213
|
