偶看新闻完美告白东北女孩求婚:扫描文档的全文检索
来源：百度文库 编辑：偶看新闻 时间：2024/05/02 00:52:51
扫描文档的全文检索
必备软件：
1. TH－OCR2003录入工厂或paperport9中文版（正式或试用版均可）;
2. adobe acrobat7中文版（不是adobe reader）
资料多了查找起来真麻烦，有时为了查找一个数据，明明知道自己的电脑里有，费了一上午也找不到。现在好了，有了百度、google硬盘搜索工具，很是方便，但是用了一段时间就发现，百度、google其实并不能实现真正的全文检索，他们只是提取了每个文件的前几页文字加入数据库，搜索的只是每个文件的前几页，特别是对于大量的扫描文档，最多实现文件名的检索，无法实现文件内容检索，无法满足很多技术人员工作中的要求。
本人在大量的资料整理中逐渐摸索出了一个比较好的解决办法，这就要采用一种双层PDF的文件格式，这个PDF文件是双层的，上层是原始图像，下层是识别结果，这样可以100%保留原始版面效果，并且支持选择/复制/检索等功能。具体使用方法：
1. 制作双层PDF：如果采用paperport9中文版，制作过程相当简单，打开paperport9，在paperport9的窗口下，在需要转换的文档，不管是扫描的图像格式，还是已经扫描制作好的PDF格式，只要按右键另存为双层PDF就可以了。注意：paperport9中文版没有版面分析功能，对扫描的图像质量要求比较高，如果质量不好，就会出现半截图像的问题。如果用TH－OCR2003，就按照通常的文字识别软件的操作方法，识别每页图像，输出为双层PDF。
2. 建立索引文件：对制作好的双层PDF文件分类存档，运行adobe acrobat7中文版，选择编辑下的首选项，设定catalog选项，如果需要把索引文件与资料文档分开保存，请将“允许在不同驱动器上构建索引”打钩，如果需要制作成全文检索光盘，请将“在文件加上强制使用ISO9660规范”选项打钩；设定search选项，将总是使用高级搜索选项打钩。选择高级菜单下的编录，就弹出新建索引的窗口，按照分类分别建立索引文件，最好将索引文件与资料文件分开保存。
3. 进行全文检索：打开adobe reader或者adobe acrobat，选择搜索，高级搜索，搜索范围中添加已经建立的索引文件，需要进行搜索的分类打钩，输入关键词，搜索，就可以了，可以搜索到每一个文档的每一页，效果非常好，速度也很快。其实paperport9也具备全文检索功能，只是他的全文检索效果比较差，速度慢，特别是pdf文件的阅读功能还有很多不足，不用也罢。