如何运用免费软件进行文字识别（OCR）

在工作和学习中，我们经常需要处理不仅限于现成文本的内容。有时候我们需要从一些图片中提取信息，比如电子书的影印本或者微信截图中的优秀段落。这些图片中的内容可能需要进行摘录，以便进一步使用和参考。

这时候我们可能就需要用到 OCR（Optical Character Recognition，光学字符识别）技术来将图片中的文本转换为可编辑的文字。通过 OCR 软件或在线服务，我们可以将图片中的文字提取出来，并进行编辑、整理和使用。

工具准备

• 在 汉王科技 依次点击【类别】：用于其他应用→【产品】：PDF 识别软件→【型号】：PDF OCR 以下载【汉王 pdf OCR】软件；
• 在 Umi-OCR 下载【umiOCR】软件；
• 在 Microsoft Store 下载【power toys】软件。

1. 如果需要识别的文件是 PDF 格式

• 在菜单栏中点击【文件】→【打开图像】，在对话框中选择需要识别的 pdf，再按需选择所需页数和 dpi（一般选择保留原书 dpi），等待软件对 pdf 进行拆分；如果原 pdf 为双层 pdf 或文字 pdf（即可以直接复制文字的 pdf），则可以选择此对话框下方的【pdf 转为 txt 文件】直接进行转换，但识别准确率不高；
• 选择所有图像文件，在【识别】菜单栏中点击【版面分析】，可以对图像中的可识别部分进行初步分析，分析完成后版面上会出现多个文本框，可以选中边缘进行拖拉以调整范围，在【识别】的【修改栏属性】菜单中修改属性，或是直接按【delete】删除不需要识别的部分；
• 完成图像处理后，在【识别】菜单中点击【开始识别】，识别完成后，可在上方直接校对；
• 校对完成或想在文字处理软件进行校对的话，选中左侧所有文件，在【输出】菜单中选择【到指定格式文件】，再用相应的软件打开即可。

2. 如果需要识别的文件是复数图片

• 首先请注意将图片名按先后顺序命名；
• 使用【汉王 pdf OCR】，步骤同 pdf 扫描，在此不做赘述；
• 也可使用【umi-OCR】，应在【设置】菜单中提前设置好输出格式和目录，点击【文件夹】图标，选中需要识别的图片后点击【开始任务】，完成后输出的文件已经已经指定格式存到指定路径了。

3. 如果需要识别的是实体书

• 使用扫描仪或手机获取图片后接上述操作。

4. 如果需要识别的是电脑屏幕上的部分文字（适合在电脑端阅读电子书时操作）

• 使用【umiOCR】，点击【批量处理】菜单下方的【截图】图标，截图后进行识别即可；
• 也可使用【power toys】，操作界面简洁易懂，在此不做赘述。

5. 如果要用手机进行 OCR（适合在阅读实体书时进行摘抄）

推荐 app【汉王扫描王】，免费好用，各大手机软件商店均可下载。

• 如遇识别内容被分成多个 txt 输出的情况，可用软件【txtforever】（下载地址： https://pan.baidu.com/s/1PnpZ3Bk-lTArrajva7EVzQ ，提取码 4hie）进行合并。

文本处理

• 识别软件经常会将原书的每一行作为一个段落。导致得到的文本多出不必要的换行，可利用 论文工具 优化排版，删除多余的换行符和空格，转换中英文标点等；

常见识别错误

• 破折号经常会被 OCR 成汉字“一”，需要将 word 页面放大观察字尾处是否有回笔，或是搜索“一一”（两个汉字“一”），反之亦然；
• 书面如果存在污渍容易被识别成乱码，需要在录入的时候注意；
• 部分因 OCR 出现的错误多次遇到后应及时记录，在最后用查找功能校对，以免肉眼看漏，如“负贵”（负责）、“白主”（自主）、“竞然”（竟然）、“夭”（天）等。