将PDF文件转换为TXT文件

Author: Pasic Date: 1999年 第8期 12版

    PDF是电子图书常用的文件格式,但是由于PDF文件不便阅读(需要安装Acrobat才能看),而且少则几百K,多则十来兆,不便网上传输,我们常常希望能把它转化成文本文件格式,却又往往无从下手。其实,这并不是一件难事。
    首先,我要向大家介绍一个能将PDF文件转成TXT文件的软件——Aerial2.0。
    我们知道,阅读PDF文件的工具,当属Adobe的Acrobat reader软件了,而Aerial则是Acrobat的一个插件。在安装了Aerial之后,Acrobat  reader的菜单中的“plug-ins”就会多出一项“Aerial”。
    Aerial 2.0为我们浏览PDF文件提供了强大的功能:
    1.index manager:用于查找和管理文章的索引(必须要有Acrobat Exchange);
    2.navigator: 为PDF文件建立树结构,方便我们浏览;
    3.paper clip page:剪贴页管理(必须要有Acrobat Exchange);
    4.copy table to clipboard:将表格复制到剪贴板;
    5.save as RTF :这才是我们最需要的功能,转化之后不仅保留了文字,连字体和颜色图案都能保留下来!
    但是,Aerial并不是万能的,它对中文支持不太好,排版有时会比较混乱,而且遇上扫描的纯图形的PDF文件时就无能为力了。要想把此类PDF文件转化成文本文件,就相对麻烦一些了,具体步骤如下:
    1.先用Acrobat打开PDF文件,选定区域,放大到300%~500%(视具体情况而定),复制到剪贴板。
    2.用Photoshop或Photoimpact等图形软件调出剪贴板的图形,存成单色的(注意:一定要单色)TIF、PCX或BMP文件,图形文件格式视你所用的OCR软件而定。笔者推荐使用BMP文件存盘。
    3.用OCR软件识别图形文件(笔者用的是Wtocr7.0),经过简单的排版校正后,一般能有95%以上的识别率。再经过你的手工修改后,就可以了。
    以上是笔者在实际过程中的一些经验,希望能对朋友们有所启发。Aerial 可以到http://www.ambia.com下载。