关于pdf文字提取的另一个问题 Thread poster: yakky
|
|---|
yakky 
China
Local time: 23:02
English to Chinese
+ ...
clearwater前辈的问题解决了，我却想到了另一个问题，pdf文件中复制出来的文字，常常是在行末断句，一段两段尚可手工调整，可若是整篇pdf呢？我自己找到的pdf转成word的工具五花八门，可是好用的却很少，大致缺点如下：
1）解决不了断句问题；
2）转换后的word文件非常庞大，多出许多不必要的格式；
3）对表格的转换功能非常弱，有时甚至以绘图的方法来假充表格；
请问各位前辈有没有比较高效的解决方案？
| | | |
| Solid Converter | Dec 29, 2009 |
你试过 Solid Converter PDF v6 吗？我一直在用，感觉在表格，图片，格式等方面都还不错。
| | | |
yakky
China
Local time: 23:02
English to Chinese
+ ...
TOPIC STARTER | Solid Converter | Dec 29, 2009 |
Anna Su wrote:
你试过 Solid Converter PDF v6 吗？我一直在用，感觉在表格，图片，格式等方面都还不错。
Thank you!
Solid Converter也是我感觉最好的一个，文件小，速度快，效果也算是同类一流，可还是不理想，后期整理的工作仍然很多，尤其是遇到格式稍微复杂一点的pdf。
曾经有人推荐我用ABBYY.FineReader.Professional，可它实在太臃肿，占用的系统资源与其转换效果相比，性价比较低。不过它居然有OCR功能，也算是一个特色吧。
不知各位益友有何高招？
| | | |
Zhoudan
Local time: 23:02
English to Chinese
+ ...
| Able2Extract | Dec 30, 2009 |
也有上面说的那些毛病。反正pdf提取软件没有完美的。用惯了一个一直用就是了。
| | |
|
|
|
Foco Yang
China
Local time: 23:02
English to Chinese
| ABBYY应该算是比较完美的软件吧 | Jan 12, 2010 |
自从用了abbyy finereader之后，觉得离不开它了，最关键的是它识别中文、日文正确率太高了，英文更不用说。另外，它的混识别功能也是无与伦比的。
另外，ABODE自带的OCR功能也很强大，不过，识别之后，不要用拷贝，而要用export导出文字成doc/txt等文件，这样的话它就能正确换行、分段。如果是拷贝，则拷贝内容多数都是一行一段。这是我试验出来的。FYI。
[修改时间: 2010-01-12 04:58 GMT]
| | | |
Zhoudan
Local time: 23:02
English to Chinese
+ ...
finereader和adobe的版本分别是什么？麻烦告知。
foco wrote:
自从用了abbyy finereader之后，觉得离不开它了，最关键的是它识别中文、日文正确率太高了，英文更不用说。另外，它的混识别功能也是无与伦比的。
另外，ABODE自带的OCR功能也很强大，不过，识别之后，不要用拷贝，而要用export导出文字成doc/txt等文件，这样的话它就能正确换行、分段。如果是拷贝，则拷贝内容多数都是一行一段。这是我试验出来的。FYI。
[修改时间: 2010-01-12 04:58 GMT]
| | | |
Xu Dongjun
China
Local time: 23:02
Member (2006)
English to Chinese
| Nuance PDF Professional 5 | Jan 13, 2010 |
这个挺好用，各位不妨试试。
| | | |
Jason Ma
China
Local time: 23:02
English to Chinese
+ ...
stonejohn wrote:
Nuance PDF Professional 5 这个挺好用，各位不妨试试。
我也去试试。多谢！
| | |
|
|
|
Crystal Jiang (X)
China
Local time: 23:02
English to Chinese
+ ...
| 可以用wordfast转换 | Feb 26, 2010 |
可以用wordfast的转换功能把文字提取到WORD中，可能出现一页一段、页内的段落顺序前后颠倒的现象，不过，没有各行成段的情况，只需整句或整段调调顺序，这样已经可以省下不少时间和精力了。
| | | |
Alan Wang
China
Local time: 23:02
English to Chinese
+ ...
行末的换行符，可在word里做一个宏去除。当年曾在网上下过百本pdf英文的电子书，下来后在粘贴到word里，按一个宏按钮，就能基本搞定断句问题。
yakky wrote:
clearwater前辈的问题解决了，我却想到了另一个问题，pdf文件中复制出来的文字，常常是在行末断句，一段两段尚可手工调整，可若是整篇pdf呢？我自己找到的pdf转成word的工具五花八门，可是好用的却很少，大致缺点如下：
1）解决不了断句问题；
2）转换后的word文件非常庞大，多出许多不必要的格式；
3）对表格的转换功能非常弱，有时甚至以绘图的方法来假充表格；
请问各位前辈有没有比较高效的解决方案？
| | | |
yakky
China
Local time: 23:02
English to Chinese
+ ...
TOPIC STARTER
dumont -- wrote: 行末的换行符，可在word里做一个宏去除。当年曾在网上下过百本pdf英文的电子书，下来后在粘贴到word里，按一个宏按钮，就能基本搞定断句问题。 yakky wrote:
clearwater前辈的问题解决了，我却想到了另一个问题，pdf文件中复制出来的文字，常常是在行末断句，一段两段尚可手工调整，可若是整篇pdf呢？我自己找到的pdf转成word的工具五花八门，可是好用的却很少，大致缺点如下：
1）解决不了断句问题；
2）转换后的word文件非常庞大，多出许多不必要的格式；
3）对表格的转换功能非常弱，有时甚至以绘图的方法来假充表格；
请问各位前辈有没有比较高效的解决方案？
如果只是为了阅读，即使不处理，绝大多数情况也不会影响理解。
问题在于翻译，特别是在使用CAT工具翻译时，原文的正确性就很重要了。
宏是一种方法，但只适合内容相对单一，格式比较简单的pdf文件转换。因为这其中涉及到如何判断哪些换行符需要去除的问题。
wordfast的转换方法倒是没试过，不知效果如何
| | | |
Foco Yang
China
Local time: 23:02
English to Chinese
| ADOBE9.0 ABBYY9.0 | Mar 2, 2010 |
Zhoudan wrote: finereader和adobe的版本分别是什么？麻烦告知。 foco wrote:
自从用了abbyy finereader之后，觉得离不开它了，最关键的是它识别中文、日文正确率太高了，英文更不用说。另外，它的混识别功能也是无与伦比的。
另外，ABODE自带的OCR功能也很强大，不过，识别之后，不要用拷贝，而要用export导出文字成doc/txt等文件，这样的话它就能正确换行、分段。如果是拷贝，则拷贝内容多数都是一行一段。这是我试验出来的。FYI。
[修改时间: 2010-01-12 04:58 GMT]
抱歉Zhoudan姐姐，前阵忙了没来上proz。
我的软件除杀毒软件是花钱买的正版的以外，其他都是网上下载的“绿色版”，非常对不住软件开发商，不要怪我，我在天朝首都卖命。哈哈
[修改时间: 2010-03-02 10:50 GMT]
| | | |
Login to reply/comment 
