批量处理是有办法的
一、“选择文字工具,选好了贴到word里”
如果你的PDF文件是用文字制做而不是图片制做的,可以“在Adobe Acrobat 7.0中有选择文字的工具,可以选好了贴到word里”。但是根据你介绍的情况,你的PDF文件是用图片做的,所以不能用这种方法。
二、批量截图
截图的办法对于不是很清楚的图片来说,并不可取,因为它要么会损失信息,要么会如楼主所说加大工作量。
我建议你先用Adobe Acrobat中的导出功能,将这个文件导出为图像。做法:在上面菜单上选文件>导出>提取图像为>JPEG文件(其他二种也行,JPEG文件比较小),再按提示,选择一个适当的文件夹,保存图像 。
这种方法保存下来的一张张图片,比你一页页截图省力多了,而且保留了原文件的全部信息。不过500页可不一个小数,会很慢,但至少不用你亲自动手干预了。
三、批量识别
如果你想进行编辑,就必须进行OCR识别。关键在于你如何能够批量进行这个工作。
好一点的OCR软件都可以一次导入多幅图片进行识别,然后输出。不过,好像500页的确有点多了,我从来也没有超过50页的记录,通常也就是二、三十页。就算50页,也比一页一页强,是吧?
我用过不少OCR软件,觉得汉王文本王、清华紫光TH比较好用。它们的识别率都非常高,还可以识别表格、繁体字、英文、竖排文字等;输出方式也很灵活,可以只输出文字,也可以按原稿排版格式输出WORD文件;使用起来也都不复杂。 不知你用的是什么版本的汉王,识别率会那么低。我有的时候识别质量很次的报纸上的文章,它的识别率也还是可以接受的。
四、提高识别率
如果你的底图质量非常差的话,建议你先在图片处理软件中将导出的图片进行放大、去点、锐化等处理,然后再送到OCR中识别。
我估计,你可能还是送入OCR的图片损失了部分原文的信息,造成识别率下降。因为你既然能放大,放大后截图的识别率还可以,那就说明原图的信息足够OCR识别了。只是你在操作过程中损失了部分东西。
所以,我建议你:
1)先将你的PDF文件导出5-10页图片出来
2)用汉王等OCR软件进行批量识别(识别中注意将不规则的部分框除)
3)输出成word文档
如果它们能很顺利地被识别出来,那后面的事就不用我说了。如果不行,那就真的是你的底图的问题了,这就需要对导出的图片进行批量修正处理。
如果还不行,那、那……我也没辙了。