（已解决）什么软件能将文字版pdf中的文本完整提取出来？

eeshu · 发表于 2020-8-3 12:33:27

wjl 发表于 2020-8-3 12:10. c9 o: F/ T ? W. f q* t
我这里测试的在Adobe Acrobat DC中全选、复制、粘贴就可以了呀，起码第一页没问题，你那里不行吗？

是可以，我帖子里就写了复制可以。

eeshu · 发表于 2020-8-3 12:34:09

喬治兄发表于 2020-8-3 11:58
" @6 w3 I3 |! m6 F& v: a- v J% T7 seeshu :2 R! w# s5 {- d" @; n# r7 Q
重複詞條也太多了.....不知為何如此

好像是pdf裁页拼接出了问题。我再重做一次。

喬治兄 · 发表于 2020-8-3 12:59:16

eeshu 发表于 2020-8-3 12:34/ V) u, A+ f+ f! u. l
好像是pdf裁页拼接出了问题。我再重做一次。

已經處理 OK

wjl · 发表于 2020-8-3 13:00:15

喬治兄发表于 2020-8-3 11:58
# f% `& H J1 f$ X* P; h& q8 veeshu :7 w) R( G+ L; f2 a6 c
重複詞條也太多了.....不知為何如此

Time used for this section: 0 seconds
Begin processing data contents...
Done!
Original text size = 1159KB, compressed size = 432KB, compression ratio = 37%
Time used for this section: 0 seconds
Number of entries: 2783
Conversion succeed!

去重后2783条

wjl · 发表于 2020-8-3 13:03:14

eeshu 发表于 2020-8-3 12:33# y7 L B5 h. V3 s$ P! t& C' f3 ~
是可以，我帖子里就写了复制可以。

不明白复制粘贴就能解决的问题，为啥还要找软件处理

eeshu · 发表于 2020-8-3 13:03:29

wjl 发表于 2020-8-3 13:004 S4 p! _$ B7 _$ F3 E3 w
Time used for this section: 0 seconds/ x! |. @0 _9 R, r+ o3 l
Begin processing data contents...
# [! S5 I- u. t. X$ T1 MDone!

好的，谢谢。我也重做了，之后比对比对。

喬治兄 · 发表于 2020-8-3 13:08:30

eeshu 发表于 2020-8-3 13:033 i3 v/ h2 T w" }( E& P
好的，谢谢。我也重做了，之后比对比对。

https://www.pdawiki.com/forum/fo ... p;extra=#pid1960898

eeshu · 发表于 2020-8-3 13:09:05

wjl 发表于 2020-8-3 13:03
1 j7 Z- @/ s1 F) ^7 {' l$ H" {不明白复制粘贴就能解决的问题，为啥还要找软件处理

总不能逐页复制粘贴吧？

wjl · 发表于 2020-8-3 13:13:42

eeshu 发表于 2020-8-3 13:09* G. ]% G5 v1 n. c& }
总不能逐页复制粘贴吧？

不是有ctrl+A全部选定吗

eeshu · 发表于 2020-8-3 13:16:13

本帖最后由 eeshu 于 2020-8-3 13:17 编辑

wjl 发表于 2020-8-3 13:133 q3 r% p0 z- \
不是有ctrl+A全部选定吗

我的内存没有这么大。而且ctrl+A可以跨页复制吗？

yfz48516 · 发表于 2020-8-4 04:40:53

eeshu 发表于 2020-8-3 10:262 P1 K) ^# x6 e% X; D) t
已经上传链接：https://pan.baidu.com/s/1sapNgJXdDx6cRueVIKVP3g " C, V1 O) B- h# Q
提取码：kz89，请试试你的各种法宝。 ...

   楼主试过的acrobat、foxit和smallpdf软件，我就没有试，我用了如下软件：Apabi Reader、Caj、SumatraPDF、Calibre、PDF2TXT、txtFormat和Wondershare PDF Converter，前三种和最后一种成功转换，Calibre、PDF2TXT和txtFormat失败——根本没有汉字！文件也是最小的三种；原文件和转换后的文本文件列于下，文本压缩包见附件。
   从转换效果来看，Apabi Reader和SumatraPDF最好，基本与原文一致，Caj次之，Wondershare PDF Converter转换的每个汉字之间均有空格。Caj是这几个软件中唯一能正确双栏显示Pdf的，其他几个都只显示单栏；Calibre名气不小，而且支持的格式最多，但这次失败了；PDF2TXT批量转换较快，但经常有乱码。
   另外，我在将带有表格的Htm（Html）转换为Txt文本中，试过多种方式，往往都难以保持表格对齐的格式，似乎除了很老的Netscape 4.05浏览器，现在流行的各种浏览器都不能正确地把网页存为保持表格格式的Txt文本，但Netscape上个世纪末被微软挤垮后再无踪影了，虽然它无法支持今天的很多网页，但有这个优点，我仍然把它放在硬盘上备用。这个问题，不知各位大神有无高招？

Yan Yu Ci Dian cut - Wei Zhi.txt 0.97M
谚语词典cut.pdf 61.11M
谚语词典cut_Apabi Reader.txt 2.98M
谚语词典cut_Caj.txt 2.69M
谚语词典cut_PDF2TXT.txt 1.93M
谚语词典cut_SumatraPDF.txt 1.03M
谚语词典cut_txtFormat.txt 434.37k
谚语词典cut_Wondershare PDF Converter.txt 2.91M

eeshu · 发表于 2020-8-4 05:53:17

yfz48516 发表于 2020-8-4 04:403 s' |; r- `% @ X; e' r- w
楼主试过的acrobat、foxit和smallpdf软件，我就没有试，我用了如下软件：Apabi Reader、Caj、Suma ...

哇，辛苦你了。昨晚我换了台性能好些的电脑，可以直接复制全书内容。对于文字版pdf，这是最保险的方式。当然，格式没有，光有内容。

		自动登录	找回密码
密码			免费注册

[求助] （已解决）什么软件能将文字版pdf中的文本完整提取出来？

本帖子中包含更多资源

本帖子中包含更多资源