ABBYY FineReader：把扫描版 PDF 转换成文本

更新时间： 编辑：书伴 分类：格式转换 21 条留言

Kindle 阅读 PDF 文档是一个老大难的问题。文字版的 PDF 可以在推送到云端时，主题填写“convert”，让亚马逊服务器转换成适合 Kindle 阅读的排版格式。但是对于扫描边的 PDF 就没什么完美的解决方案了，一般的方法就是重排 PDF 文档或横屏阅读，除了这两种，其实还有一个方法，那就是使用 OCR（Optical Character Recognition，光学字符识别）软件把扫描版的 PDF 转换成文字版本。https://bookfere.com/post/239.html

这次给小伙伴们推荐的就是这么一款强大的 OCR 软件——ABBYY FineReader。ABBYY 是一家俄罗斯软件公司，在文档识别，数据捕获和语言技术的开发中居世界领先地位。旗下产品 ABBYY FineReader Professional 是一款真正的专业 OCR，不仅支持多国文字，还支持彩色文件识别、自动保留原稿插图和排版格式以及后台批处理识别功能，使用者再也不用在扫描软件、OCR、WORD、EXCEL之间换来换去了，处理文件会变的就像打开已经存档的文件一般便捷。

看起来是个完美的方法，其实不尽然。因为扫描版的 PDF 存在很多问题，比如字迹模糊、版式歪斜等等，也会导致 OCR 识别软件无法正确识别某些字词。另外就是复杂的公式和特殊格式的排版，OCR 软件也不能完全搞定，不过有胜于无，相比手工打字，修正个别识别错误显得更加轻松有效率。

一、软件下载

这是一款收费软件，官方已通知本站下架破解版，请自行搜索资源。

二、软件使用

如果你用过 Word，会发现 ABBYY FineReader 的界面很熟悉，它的使用很简单，只需要打开 PDF 文档即可自动识别（除了 PDF 格式还支持其他各种各样的图片或文档格式）。如下图所示，最左侧是所有页码，右侧有两栏，左栏是原稿，右栏为识别后的文档。你可以在上方的工具栏中选择不同的“文档布局”以更改识别后文档的版式，这些版式对应着不同的用途，排版也不一样，比如 Word 版式会尽可能精准的复刻原稿地版式，而 epub 格式则更接近于没有任何排版的纯文档格式。

abbyy_01

如下图所示，在识别后的文档中，有些青色高亮标注字词，这些是软件“拿不准”的字词，你可以点击界面右上角的“验证文本”，可以根据提示一个一个地修正可能存在识别错误的字词。

abbyy_02

处理完毕后，点击上方工具栏中的“保存”，即可把转换好的文档存储成图文版本。

在“保存”的下拉选项中，ABBYY FineReader 还专门为 Kindle 准备了推送项，不过需要注意的是它借助的是你电脑中的邮箱客户端，如果你没有安装邮箱客户端或者没有设置好邮箱客户端，是无法使用的。

三、注意事项

正如本文开始所说的那样，文档扫描的清晰度不一样，识别的精准度也不一样。如下图所示，第一幅图片所示的文档扫描的清晰一些，扫描过后几乎没有错字，而第二幅图片所示的文档扫描的清晰度不高，错字更多一些。所以尽可能使用该软件处理扫描精度更高的文档。

abbyy_03

abbyy_04

另外，通过不同排版格式的测试，发现该软件对数学公式、编程代码的识别并不怎么精准，所以只推荐识别纯图文形式的、扫描精度足够高的文档。

© 「书伴」原创文章，转载请注明出处及原文链接：https://bookfere.com/post/239.html

延伸阅读

给这篇文章写一条留言

提示：带 * 标记的是必填项。您填写的邮箱地址将会被保密。首次留言将会在通过人工审核后显示。如果是提出问题，请务必提供尽可能多信息，这有助于他人更好地理解你所提出的问题。

小伙伴们写下了 21 条留言

  1. 翻译出来的文件有一些特殊符号：

    例如这些：{{ }}、☑☑☑☑（里面没有打勾），

    像出现这些奇怪的符号，是哪里出了问题了吗，需要如何解决

    回复

  4. https://www.douban.com/note/366907616/
    报告站主，发现一个很有用的东西，方法一，文中的。
    这种方法裁剪很快而且对原文保留后，之后再由图片直接重新保存为PDF也非常快，免去了转换MOBI的各种麻烦。

    回复

    • 好吧，我错了，还是直接用BIRSS切白边后的效果最好，最能保持原始格式的美感。

      回复

  6. 么老兄，你写的教程实在是太棒了，我可以转载到我的个人公众号（无广告无盈利）上介绍给更多书友吗？

    回复

  9. 如果有onenote pro的话也不错，不过它只能对图片进行转换，可以用软件把PDF批量转化为图片，然后用onenote pro进行文字识别，识别率还不错，大家可以对比一下看哪个识别率更高一些。

    回复