将PDF文件转换为TXT文件

Pasic
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。


 