網(wǎng)絡(luò)多媒體素材加工第1頁，共26頁，2023年，2月20日，星期六第2章文字素材采集與處理2.1文字素材基礎(chǔ)2.2使用OCR工具軟件轉(zhuǎn)換圖像文字2.3語音識別與手寫輸入技術(shù)2.4文字素材采集實訓(xùn)第2頁，共26頁，2023年，2月20日，星期六2.1文字素材基礎(chǔ)2.1.1文字素材采集與編輯2.1.2文字編輯常用工具軟件2.1.3常用文本文件格式及其轉(zhuǎn)換第3頁，共26頁，2023年，2月20日，星期六2.1.1文字素材采集與編輯一般根據(jù)文字素材在計算機(jī)中的存儲和顯示方式不同，可將文字素材分為文本文字素材和圖像文字素材兩類。文本文字是指以文本文件格式存在的文字素材，如TXT、DOC等格式的文本文字；圖像文字是指以圖像文件格式存在的文字素材，如BMP、TIF等格式的文件。第4頁，共26頁，2023年，2月20日，星期六

圖2-1文本文字圖2-2圖像文字1．文本文字與圖像文字第5頁，共26頁，2023年，2月20日，星期六2．文字素材的采集鍵盤輸入：通過鍵盤，可以將中文字、英文字母、數(shù)字、標(biāo)點符號等輸入到計算機(jī)中。掃描輸入：通過掃描儀將紙上的文字轉(zhuǎn)換為計算機(jī)可處理的信息，一般用于大量文字的快速錄入。語音輸入：語音輸入設(shè)備向計算機(jī)輸入信息的過程，包括命令控制和聽寫兩個功能。手寫輸入：用書寫筆在與計算機(jī)相連的書寫板上寫字，用壓敏或電磁感應(yīng)等方式將筆在運動中的坐標(biāo)輸入計算機(jī)，識別軟件根據(jù)采集到的筆跡之間的位置關(guān)系和時間關(guān)系信息來識別所寫的文字，并把結(jié)果顯示在屏幕上。第6頁，共26頁，2023年，2月20日，星期六2.1.2文字編輯常用工具軟件Windows操作系統(tǒng)自帶的編輯工具（記事本、寫字板）MicrosoftWordWPSOffice金山文字2003第7頁，共26頁，2023年，2月20日，星期六2.1.3常用文本文件格式及其轉(zhuǎn)換1．常用文本文件格式2．DOC文件與PDF文件的格式轉(zhuǎn)換3．DOC文件格式與CAJ文件格式間的相互轉(zhuǎn)換第8頁，共26頁，2023年，2月20日，星期六1．常用文本文件格式TXT格式：TXT是一種純文本格式文件，可由記事本處理創(chuàng)建。CSV格式：CSV(CommaSeparatedValues)文件格式也是一種純文本文件，常用于不同應(yīng)用程序之間交換數(shù)據(jù)，它可以被任何文本編輯器調(diào)用、編輯、修改。第9頁，共26頁，2023年，2月20日，星期六1．常用文本文件格式DOC格式：一種通用的PC格式化文本文件格式，由MicrosoftWord或WordPerfectforWindows創(chuàng)建，可以包含更多的內(nèi)容，建立超鏈接等，表現(xiàn)力強(qiáng)、操作簡便。RTF格式：RTF（RichTextFormat）格式是微軟公司的寫字板采用的標(biāo)準(zhǔn)格式。第10頁，共26頁，2023年，2月20日，星期六1．常用文本文件格式WPS格式：WPS文件是作為目前國內(nèi)唯一較成熟的擁有完全自主知識產(chǎn)權(quán)的辦公系統(tǒng)軟件——WPSOffice生成的文本文件格式。PDF格式：PDF（PortableDocumentFormat便攜式文檔格式）文件格式是Adobe公司開發(fā)的電子讀物文件格式。CAJ格式：CAJ文件是《中國學(xué)術(shù)期刊全文數(shù)據(jù)庫》的專用格式，由中國學(xué)術(shù)期刊（光盤版）電子雜志社開發(fā)制作。第11頁，共26頁，2023年，2月20日，星期六2．DOC文件與PDF文件的格式轉(zhuǎn)換（1）DOC格式文件轉(zhuǎn)換為PDF格式文件將DOC格式轉(zhuǎn)換為PDF格式比較容易，如果系統(tǒng)完全安裝AdobeAcrobat7.0Professional，就可以通過下列方式進(jìn)行轉(zhuǎn)換：使用“快捷菜單”進(jìn)行轉(zhuǎn)換利用AcrobatPDFMaker利用AcrobatPDF打印機(jī)轉(zhuǎn)換

第12頁，共26頁，2023年，2月20日，星期六①使用“快捷菜單”進(jìn)行轉(zhuǎn)換

圖2-3快捷菜單圖2-4SaveAdobeFileAs對話框第13頁，共26頁，2023年，2月20日，星期六②利用AcrobatPDFMaker

圖2-5AcrobatPDFMaker菜單欄圖2-6AdobePDF菜單第14頁，共26頁，2023年，2月20日，星期六③利用AcrobatPDF打印機(jī)轉(zhuǎn)換

圖2-7AcrobatPDF打印機(jī)圖2-8選擇AcrobatPDF打印機(jī)第15頁，共26頁，2023年，2月20日，星期六（2）PDF文件轉(zhuǎn)換為DOC格式文件①直接從PDF文件復(fù)制文本到DOC文件②利用AdobeAcrobat自身轉(zhuǎn)換功能③借助格式轉(zhuǎn)換工具軟件（ScanSoft軟件）④圖像形式PDF文件的轉(zhuǎn)換⑤利用CAJViewer的OCR功能第16頁，共26頁，2023年，2月20日，星期六①直接從PDF文件復(fù)制文本到DOC文件圖2-9從PDF文件復(fù)制文本到DOC文件第17頁，共26頁，2023年，2月20日，星期六②利用AdobeAcrobat自身轉(zhuǎn)換功能AdobeAcrobat提供了PDF格式向DOC格式的轉(zhuǎn)換功能。執(zhí)行【文件】→【另存為】命令，在對話框中選擇【保存類型】為MicrosoftWord文檔，單擊【保存】。第18頁，共26頁，2023年，2月20日，星期六③借助格式轉(zhuǎn)換工具軟件PDF向DOC格式轉(zhuǎn)換的工具軟件比較多，其中ScanSoftPDFConverterforMicrosoftWord是由ScanSoft公司與微軟共同開發(fā)的一個全新的Office2003插件。該插件可以通過Word直接將PDF文檔轉(zhuǎn)換為Word文檔，并且完全保留原來的格式和版面設(shè)計。第19頁，共26頁，2023年，2月20日，星期六④圖像形式PDF文件的轉(zhuǎn)換對于圖像形式的PDF文件（從圖像文件轉(zhuǎn)換形成的PDF文件），可以將PDF文件打印到MicrosoftOffice2003的MicrosoftOfficeDocumentImageWriter打印機(jī)，生成一個MDI文件。用MicrosoftOfficeDocumentImage打開此文件，執(zhí)行【工具】→【使用OCR識別文本】命令，進(jìn)行文字識別。識別完成后，執(zhí)行【工具】→【將文本發(fā)送到word】命令，把整個PDF文件識別輸出到word文件中。第20頁，共26頁，2023年，2月20日，星期六⑤利用CAJViewer的OCR功能圖2-11利用CAJViewer的OCR功能轉(zhuǎn)換第21頁，共26頁，2023年，2月20日，星期六3．DOC文件格式與CAJ文件格式間的相互轉(zhuǎn)換（1）CAJ格式文件轉(zhuǎn)換為DOC格式文件局部文本文字的識別轉(zhuǎn)換借助MicrosoftOfficeDocumentImageWriter打印機(jī)進(jìn)行文件識別全文間接轉(zhuǎn)換（2）DOC格式文件轉(zhuǎn)換為CAJ格式文件第22頁，共26頁，2023年，2月20日，星期六①局部文本文字的識別轉(zhuǎn)換圖2-14從CAJViewer6.0直接復(fù)制文本第23頁，共26頁，2023年，2月20日，星期六②借助MicrosoftOfficeDocumentImageWriter打印機(jī)進(jìn)行文件識別圖2-15設(shè)置打印機(jī)第24頁，共26頁，2023年，2月20日，星期六③全文間接轉(zhuǎn)換CAJViewer不支持直接將全文另存為DOC格式文件，但支持將全文另存為TXT格式文件，事實上達(dá)到間接轉(zhuǎn)換為DOC的目的。一般地，對于以文本文字為主的CAJ文件可以采用通過TXT間接轉(zhuǎn)換為DOC的方式。第25頁