主题：从PDF文件中提取文字的问题。 -- johny
家园 从PDF文件中提取文字的问题。 我有本超星的书打成了PDF格式，大家都知道，这种PDF文件里的每一页本质上都是图像。
有没有办法用什么软件把上面的文字“拽”下来贴到帖子里面？
否则我就得一个字一个字敲了，前景恐怖，
家园 也请各位帮个忙 想找一个linux下的pdf reader，开放源码的？哪里能够下载？谢谢了
家园 没有那么复杂吧？ 没有那么复杂啊！可以载一个叫Scansoft PDF Converter 的软件，专门把PDF文件转化成word文件。而且是和Microsoft Office开发小组联合开发的，和office兼容性不错。
家园 我有简单一法，可以帮兄达到目的，分三步走。 如果你装有Office system 2003的话（应该不会没有吧），可以这样做：（我不知道其它版本的行不行，我用的是2003）
一、把你的文档打印到Microsoft Office Document Image Writer上，这是个Office虚拟出来的打印机。打印出来应当是个.mdi的文档。
二、用Microsoft Document Imaging打开之。在tools-options中选OCR Tab，把OCR Language改成你需要的。然后在tools中选Recognize text using OCR。软件这时候就开始自动扫描图片中的文字，并把图片最后转换成文字。
三、最后一步，tools->Send text to Word。大功告成！
附原来图形PDF和生成的Word纯文本
[SIZE=3]原文档[/SIZE]
[SIZE=3]转换后的纯文本[/SIZE]
图中的文字看不清楚不是因为转换的不好。是由于为了上传，把文件大小限制在100K以内，所以图片质量只好妥协了。
最后Word生成的版面已经失去了原先的样式了，当然文字都已经“抠”下来了。版式已经失去了，需要您去重排。但如果只是想纯粹的copy+paste的话，就不必麻烦去排版了。
如果兄台试验成功的话，以后可以多多为西西贡献好文哦
元宝推荐：Highway,家园 应该可以直接选中然后COPY的啊。 实在不行，用OCR软件来图像文字识别。
拷屏，或者打印以后扫描，再OCR。
