网上的学术资料多数是以CAJ、PDF等文件格式提供的,减肥药，其中的文本不能被直接编辑。网上提供了许多处理这种情况的软件，但是它们不是效率低，就是只能提取其中部分文本。本文所述利用微软提供的OCR识别技术从CAJ、PDF等文件中提取全部文本的方法，简便快捷，效率很高。
从不同格式的文件中提取文本前需要做好以下准备工作，安装CAJViewer5.5浏览器软件和acrobat 5 专业版浏览器软件安装Office2003，并完全安装Office工具Microsoft Office Document Imaging，然后在打印机里面会增加Microsoft Office Document Image Writer打印机。 Microsoft Office Document Image可以非常准确的全文件识别转化中文、英文、表格。
下面是具体步骤:
一、CAJ文件的识别
（一）首先，从网上下载CAJ格式的资料文件保存到本地硬盘上。
（二）然后，启动CAJViewer浏览器程序，并在该程序中打开刚才保存的CAJ格式的文件。浏览文件到最后一页后，不要关闭CAJ浏览器程序。
（三）在CAJ浏览器程序窗口中，选择“文件”→“打印”，并选择打印机为Microsoft Office Document Image Writer打印机，勾选打印到文件选项和确定打印页数。
（四）保存打印文件（*.prn）到适当位置。等待打印完成后，Microsoft Office Document Image 自动打开刚才保存的打印文件。
（五）在Microsoft Office Document Image窗口中，选择“页面”菜单中的“选择所有页面”菜单项，然后选择“工具”菜单中的“使用OCR识别文本”提取文本。
（六）选择“工具”下的 “将文本发送到word”，最后将把整个CAJ文件识别输出到word文件中。
二、PDF文件的识别
（一）以文本形式保存的PDF文件，用acrobat 5 专业版，识别整个文件。直接打开从网上下载的PDF格式文件另存为RTF文件,变态私服发布，或者选择工具栏上的文字选择按钮，然后选择文字区域，然后复制到Word中即可。
（二）以图片形式保存的PDF文件，将PDF文件打印到Microsoft Office Document Image Writer打印机，选择打印形成的文件的保存位置，然后会自动形成一个MDI文件，并且自动用Microsoft Office Document Image打开此文件，然后在Microsoft Office Document Im?鄄age中选择“工具”菜单中的“使用OCR识别文本”，识别完成后，在选择“工具”下的，“将文本发送到word”，最后将把整个PDF文件识别输出到word文件中,地摊网。
（三）加密的PDF文件先下载解密软件，解密后在参照上述步骤1),传奇sf发布网站,2) 进行。
（四）繁体PDF文件用上述步骤2)的方法识别到word后，用word中的“工具”→“语言”→“中文繁简转换”