| 查看: 2638 | 回复: 28 | ||
| 当前主题已经存档。 | ||
[交流]
PDF如何实现取词
|
||
|
第一部分 关于pdf文件识词 pdf阅读：建议使用adobe acrobat 7.0 Professional简体中文版（只有专业版本才有ocr功能，而reader版本没有ocr，而且同以前版本比较打开速度快，无专利认证那套东东，文件大小209M吧。以下简称“Acrobat 7.0 pro”） 下载地址 http://download.winzheng.com/softview/SoftView_2019.htm 注意：在安装acrobat 7.0 pro的时候要选择完全安装或者自定义安装选择安装上 “亚洲语言支持”，因为在“典型”安装时是不安装“亚洲语言支持”的，这在看中文的时候可能有影响。 针对电子词典：金山词霸2003医学版（以下简称“金山”） 新医药大词典（以下简称“新医药”） 1.所有的pdf文件都不能识词 或者在“金山”和“新医药”都安装的情况下，用其中一个可以识词，另外一个不能识词， 可以肯定是插件问题。 对于金山 Acrobat Reader 7.0取词：将金山词霸的安装目录下(*:\Program Files\Kingsoft\Powerword 2003\PlugIn *代表你所安装到的盘符，以下同)的Xdict32.API复制到Adobe Reader 7.0的安装目录*:\Program Files \Adobe\Acrobat 6.0Reader\plug_ins 文件夹下即可。 Acrobat 7.0取词：将金山词霸的安装目录下的Xdict32.API复制到Adobe 7.0的安装目录*:\Program Files\Adobe\Acrobat 7.0\Acrobat\plug_ins文件夹下即可。 如果上述办法仍然无法加入词霸的插件（Acrobat工具栏没有出现词霸的图标），则请到在中文版acrobat 7.0 pro中设置如下：选择"编辑"菜单中的"首选项"，在弹出的界面的左侧列表中选中"启动"一项，然后在"启动"面板中将"仅认证增效工具"前的选项去掉，再将右下角的浏览方式设为单页,最后重启Acrobat reader即可。（好像acrobat 7.0 pro默认的就是去掉的估计这项用不着，Acrobat Reader 7.0我没装不知道） 6.0版把7.0换成6.0即可。 对于新医药 （截取自其官方网站 http://www.medscape.com.cn/kehuf ... sionid=PFLNDPBEEPHL） 一般情况下，《新编全医药学大词典》在安装时会将自己的一个插件自动添加到acrobat reader中去,用户安装词典后即可在pdf文件中使用词典,但是正确添加插件的前提是acrobat reader是正常安装的,即注册表中有acrobat reader的安装路径。不能取词，可能是注册表中没有acrobat reader的安装路径,需要手工添加词典的插件到acrobat reader中 解决办法： 第一步：首先找到词典的安装路径,例如默认安装路径,*\program files\kingyee\meddic\ 找到meddic 文件夹中的plugin文件夹打开,里面有三个文件：RwAcrob4c.api,RwAcrob5c.api,RwAcrob6c.api; 如果是acrobat reader4.0就拷贝RwAcrob4c.api; 如果是acrobat reader5.0就拷贝RwAcrob5c.api; 如果是acrobat reader6.0就拷贝RwAcrob6c.api; （4，5，6没人用了吧） 如果是acrobat reader7.0也拷贝RwAcrob6c.api; 第二步：找到acrobat reader的安装路径,打开plug_ins文件夹,然后将拷贝的文件粘贴进来。然后重新启动acrobat reader软件。 第三步：此时一般就可以翻译pdf文件了。如果还是不行,就是acrobat reader还需要设置一下。 设置方法： 在中文版acrobat 7.0 pro中设置如下：选择"编辑"菜单中的"首选项"，在弹出的界面的左侧列表中选中"启动"一项，然后在"启动"面板中将"仅认证增效工具"前的选项去掉，再将右下角的浏览方式设为单页,最后重启Acrobat reader即可（好像acrobat 7.0 pro默认的就是去掉的估计这项用不着，Acrobat Reader 7.0我没装不知道）。 2.部分pdf文件可以识词，部分不可以。 把握一个原则：pdf文档内容只要可以复制就可以识词。 分以下两种情况： A：有密码保护：有些虽有密码保护只是不准更改文档，可以复制，内容只要可以复制，就可以识词，就不用理什么密码了。 对不允许复制的就要用软件去出密码。 去除密码工具PDF Password Remover（推荐使用英文版） 下载地址： PDF Password Remover v2.2 http://download.winzheng.com/softview/SoftView_26105.htm PDF Password Remover v2.2 注册机 http://download.winzheng.com/softview/SoftView_26106.htm 软件很容易上手： 注意有些时候文件名比较长或有特殊字符或是中文，可能无法打开，此时将文件名改成数字的，如“1.pdf”（pdf为扩展名），处理完后再改回原来的文件名就可以了。 B：pdf文件是扫描图片做的，虽无任何限制，但无法复制文档内容。 可参见我在dxy发的帖子 http://www.dxy.cn/bbs/post/view? ... 1&age=0#3402620 这就要用到Adobe Acrobat Pro 7.0的ocr功能 ，图片格式的PDF可以直接转换成文字PDF，版面形式不变，转完后直接保存即可。 选择“文档”－－“使用OCR识别文本” 另外针对前面提到的密码保护的图片格式pdf文件，先去除密码后再ocr。（未去除密码前，ocr功能是灰色的不能用）。 另外有些从网站下载来的文献，会在页眉和页脚加上“Copyright”等字样，此时直接运用ocr时，会出现提示“acrobat无法在本页执行识别，因为：本页包含可渲染的文本” 针对以上情况，摸索出了一个方法： 先从“高级”－－“导出所用图像”（文中的插图也会按一张图片导出），然后再用 |
回复此楼
1
 |
2楼2006-10-07 15:10:45
3楼2006-10-08 07:44:39
4楼2006-10-09 08:31:49
1
 |
5楼2006-10-09 08:46:41
1
|
|
6楼2006-10-09 09:47:56
7楼2006-10-09 10:45:00
8楼2006-10-10 10:59:13
9楼2006-10-10 16:57:54
10楼2006-10-11 07:56:38
