首先我们要明白这个转换出乱码是怎么回事?


我们先用Adobe reader或者Adobeacrobat Pro软件打开我们会出现乱码的PDF文件,

然后,菜单栏,文件--------属性--------字体项我们可以看到是不是文件内嵌了很多字体。

我们这里找了一个文件为例:

的时候是先读取内嵌的字体,如果内嵌的字体没有,那么再读取你系统中的字体来显示,然而WORD

文件是直接读取系统中的字体的,那么如果你PDF文件中内嵌的某个或者某些字体在你的操作系统中

没有,那么转换出来的word文件一般都会出现乱码。

pdf转成wordl乱码 python pdf转换成word出现乱码_pdf转成wordl乱码 python



2.   2


图中本文档中使用的字体就是文件内嵌的字体,由于PDF文件是可以内嵌字体的,所以你打开PDF文件



3.   3


知道了转换后为什么会出现乱码以后, 现在我们找一个转换软件来测试转换结果,这里我们用AnyBizSoft PDF Converter 2.5测试。

转换完毕后我们打开得到的word文件看看会不会是乱码?

我截取了其中一个典型的页面,大家可以看看和PDF原文的对比,转换成word后是一堆乱码。


4.   4


 

pdf转成wordl乱码 python pdf转换成word出现乱码_乱码解决_02

pdf转成wordl乱码 python pdf转换成word出现乱码_乱码解决_03



5.   5


 



6.   6


接下来我们换一个转换软件,我们使用Solid Converter PDF 6 / 7软件。

这款转换软件是灰常强大的一个PDF转换软件,转换效果很好,而且版面也保持的很好。而且在以前

转换的使用过程中发现这个软件可以自动替换一部分PDF内嵌的字体,从而达到解决一些转换文件的

乱码问题,但是这个软件不是能够解决所有的乱码问题,有时候转换出来的还会是乱码。

比较惊喜的发现,用这个软件转换出来的虽然没有原文那样整齐,但是确实已经不是乱码了。

如果你用这个软件处理出来不是乱码了,那么我们的目的就达到了,如果用这个软件转换出来还是乱码

那么我们接着往下看。

pdf转成wordl乱码 python pdf转换成word出现乱码_乱码解决_04



7.   7


 



8.   8


如果SolidConverter PDF 搞不定的话, 那么我们就只能用ABBYY finereader 这个软件对这个PDF进行OCR识别处理了。
软件界面的设置如下图:
转换的过程:
如果中间出现错误什么的,会有提示的。
转换完毕后我们打开转换好的WORD,截图,大家看效果:
效果还是相当不错的~~~ 乱码解决了~~~ 效果甚至比Solid Converter PDF还好。

总结:ABBYY finereader 几乎可以解决所有PDF转WORD乱码的问题,只要文件清晰度可以的话。OCR识别软件市面上有很多很多,但是ABBYY finereader的混合识别能力和版面的保持能力是我见过的最好的~~~~所以推荐个大家~~


pdf转成wordl乱码 python pdf转换成word出现乱码_乱码解决_05

pdf转成wordl乱码 python pdf转换成word出现乱码_乱码问题_06






·        OCR识别存在着一定的错误率,这个和被识别文件的清晰度,分辨率有关系,文件分辨率高,清晰度好,准确率就高,反之,准确率就低,大家用ABBYY finereader转换以后切记要和PDF原文内容校核一遍。

·        我曾经遇到过PDF单词表,带有音标的,不管用什么软件转换,其他内容都是正确的,但是音标部分始终是乱码,遇上这种情况请你下载金山音标字体安装到你的操作系统中,然后你再重新转换一遍那个PDF文件即可完美解决。