使用word和pdf进行仿书编辑的经验
一、问题的提出:
一本书扫描好,要将书中的图片转换为文字版的word文档。
二、问题的分析:
1.文字的提取
2.文字的编排
三、问题的解决
1.如果用的是Adobe Acrobat 8 Professional
那么,扫描好的pdf文档,选定某一页,
文档→OCR文本识别→使用OCR识别文本
弹出识别文本对话框,注意要选择好识别的主要语言
在弹出的对话框中有个编辑按钮,点击“编辑”
弹出一个新的对话框窗体,将OCR识别的主要语言选择为简体中文,
然后确定后退出,在识别文本对话框中选择当前页面进行文本识别
软件自动将该页的图片进行方位校正,然后生成文本附在图片上
只要按下文本选择的图标,在图片上的文字上拉拽,就可选定文字。
选定好文字复制到文本文件中,可以发现识别生成的文字、标点是
每行都隔断好的,但文字和标点有零星的地方是识别错误生成另外的字符,
需要人工校正,在文本文件中校正好后,复制到word文档中。
如果用的是Adobe Acrobat XI Professional中文版
那么,扫描好的pdf文档,右上的菜单导航里有个工具两字
点击一下相关的工具菜单就整列出来,
这列工具菜单里有个文本识别,点一下
可以看到 在本文件中、在多个文件中这两个分支项目
点在本文件中,可以弹出和Adobe Acrobat 8 Professional一样的
识别文本窗口,默认设置是中文(简体),这就不用改了
识别方式和Adobe Acrobat 8 Professional一样。
2.word文档要调整成和原来扫描书籍中的格式,需要进行格式匹配,
比如标题的字体大小、字体类型,行间距、段落前后间距,页面纸张的大
小,一般要经过三页的调整才能定型好整体的格式。
3.注意在word文档中,进行段落属性的设置,
段落对话框中有个中文版式,记得更改为只打钩一个换行的第一个选项
就是按中文习惯控制首尾字符,其他都不选。
4.可以注意到其实印刷的书中每行的字数有个别与word文档编辑时每行
的字数对不上,要么多要么少,那么,就需要选定行进行文字属性的更改。
如果编辑时的文字,原来一行的文字符号变成两行,就选定好这些数量的文字
符号,右键选择字体,在弹出的字体对话框中选择高级选项卡,字符间距选择
紧缩,按照实际进行磅数的调整,一般是0.1磅就可以调整到位,个别要0.2磅
或者0.3磅,同理原来一行的文字符号吸纳了下一行的文字符号,则字符间距
选择加宽,把下一行的文字符号挤出这一行,一般也是0.1磅就可以调整到位,
个别要0.2磅或者0.3磅。
5.利用pdf打印机打出不同页面尺寸的书籍pdf文档
一般小本的书籍的尺寸在word文档的纸张大小是
32开(13×18.4 厘米) 即宽度为13厘米,高度18.4厘米
那么在编辑word文档的时候就要在页面设置里把纸张大小设为32开
对应的页边距也要调整好,和原纸书籍一致,比如
上:1.5厘米,下1.5厘米
左:1.3厘米,右1.3厘米
装订线:0厘米
pdf打印机属性里是没有32开纸张类型,要自行添加设定
Adobe PDF文档属性窗口中的Adobe PDF设置
在Adobe PDF页面大小,点添加,自行定义增加纸张类型。