真✔矢量文字的扫描版PDF（非双层pdf）是怎么制作的？

鬼笔环肽 · 发表于 2024-8-20 13:25:50

Ballistic 发表于 2024-8-20 12:15
您需要满足以下条件才能访问这个版块

访问条件：

一般点开板块后，会提示本版要求和自己目前的信息，然后缺啥补啥

myl892 · 发表于 2024-8-20 13:48:16

本帖最后由 myl892 于 2024-8-20 13:57 编辑

我用上面帖子附加的一页清晰pdg截图，送去OCR识别，生成了可以复制文字的pdf。请见附件。除下标字体有错误以外，其他文字可以复制。又测试了paddleOcr，目前看来直接使用paddleOcr没有识别出下标和横线。看来借助OCR能做到图像PDF生成可复制文字的PDF。猜测是在图片上附加了一层识别出来的透明的文字。这样看到的是图片，复制的时候复制到了识别的文字。试着复制识别出来的小标，看看能不能复制到正确的值可以看到OCR的准确程度。眼睛看的还是图片层。以后可以写个程序干这个活。

Davy · 发表于 2024-8-20 23:38:18

应该是在扫描版的基础上，用WPS转的，WPS有个转Word的功能，先转成word后再转成PDF，样例见链接，效果有部分比你发的还要好

，的确没想到WPS还有这个功能

PDF:

https://davy.lanzoue.com/iu0TL27zlx9i
密码:b6ed
Word:

https://davy.lanzoue.com/iFrSy27zngwb
密码:5ruf

fydy01 · 发表于 2024-8-21 08:08:14

本帖最后由 fydy01 于 2024-8-21 08:10 编辑

strnghrs 发表于 2024-8-20 09:13
这个PDF的中文字体使用了内嵌的仿宋、黑体、宋体、幼圆，如果说它不是从印前排版文件转出来的，我是不会信 ...

的确可以用ocr制作出这种高仿的印前版。曾经在某读书群里见到有人做过，不得不承认很牛逼，印象中用的是福昕ocr。个人对扫描版的pdf转文字版不感兴趣，所以没详细了解。

jotis · 发表于 2024-8-21 11:59:57

fydy01 发表于 2024-8-21 08:08
的确可以用ocr制作出这种高仿的印前版。曾经在某读书群里见到有人做过，不得不承认很牛逼，印象中用的是福 ...

我也没兴趣，但福昕没有云OCR功能，效果垃圾的一笔

但老马认为是印前转出来的，看来受骗了，自己应该也可以内嵌字体的吧？

这个PDF的中文字体使用了内嵌的仿宋、黑体、宋体、幼圆，如果说它不是从印前排版文件转出来的，我是不会信的

jotis · 发表于 2024-8-21 12:02:00

鬼笔环肽发表于 2024-8-20 13:25
一般点开板块后，会提示本版要求和自己目前的信息，然后缺啥补啥

那这本书到底有没有印前，有人看过了吗？@鬼笔环肽

fydy01 · 发表于 2024-8-21 14:47:39

jotis 发表于 2024-8-21 11:59
我也没兴趣，但福昕没有云OCR功能，效果垃圾的一笔

但老马认为是印前转出来的，看来受骗了，自己应该也可 ...

不是云OCR，是本地电脑处理的。

aabbccli · 发表于 2024-8-21 21:20:51

数学公式多的书真不适合OCR，除非你愿意花精力去精校。

luojineng · 发表于 2024-8-21 23:04:56

很明显是OCR的，但是这种OCR的遇到公式如果不是截图，会出错的概率非常之大。目前没看到一个完美识别公式的。

沧海一声笑 · 发表于 2024-8-22 03:29:18

目前高等教育出版社很少有印前PDF，只能OCR制作双层PDF

沧海一声笑 · 发表于 2024-8-22 03:42:14

本帖最后由沧海一声笑于 2024-8-22 04:01 编辑

检查了下你分享的完整文件，应该是OCR后双层PDF后去除背景图片制作的
目录中第10章上面Ⅳ错误OCR成N,这明显是OCR错误造成的，还有正文12页下面的注释2明显字体不符，正文14页中表格标题缺失，等等.......
所以此类文件除非有印前PDF，还是制作双层PDF为好，复制的同时可以快速发现其中的问题。

cnbook · 发表于 2024-8-22 09:31:07

Ciber 发表于 2024-8-20 09:28
这一页恰好有真印前，与这个差别还挺大的。

样本细看可以看到很多识别瑕疵

特殊字符之间有空格明显就是OCR，那是OCR不出的效果，如果印前应该一模一样。

dscer · 发表于 2024-8-23 10:38:52

OCR转换分为转换为可复制的PDF和可编辑的PDF两种，最早时候我也喜欢转换成可编辑PDF，但渐渐发现有些毛病无法解决，比如特殊字体无法相同字体替换显示效果很差、特殊符号公式容易出错，最关键的是需要校对，识别精度总无法百分之百的，所以现在我都是转换成可复制的PDF

tenelims · 发表于 2024-8-23 17:00:34

Ballistic 发表于 2024-8-20 12:15
您需要满足以下条件才能访问这个版块

访问条件：

52好像有个每周几开注的。
其实买个官方的邀请也不贵。
看个人需求了。

之前@鬼笔环肽说的那个图片识别，我也有看到，最后有人说联网OCR目前WPS最强，有可能其确实有很多独到之处？

tenelims · 发表于 2024-8-23 17:05:39

dscer 发表于 2024-8-23 10:38
OCR转换分为转换为可复制的PDF和可编辑的PDF两种，最早时候我也喜欢转换成可编辑PDF，但渐渐发现有些毛病无 ...

谢谢指导，不知道园子里面有没有关于PDF软件与各种基础知识的普及帖子。

总感觉PDF这个格式很常见，但是一看你们介绍与应用，又觉得一点也不了解，只能吃别人送过来的现成的菜。

meibf · 发表于 2024-8-24 09:52:04

扫描版pdf比pdg文件大了将近一倍，不知道是怎么回事，照理说应该差不多大的。

linsx · 发表于 2024-8-24 10:10:36

meibf 发表于 2024-8-24 09:52
扫描版pdf比pdg文件大了将近一倍，不知道是怎么回事，照理说应该差不多大的。 ...

帖子里分享的扫描版pdf不是论坛里的清晰PDG版本转换的，估计是个人扫描的？

		自动登录	找回密码
密码			注册

[【其它】] 真✔矢量文字的扫描版PDF（非双层pdf）是怎么制作的？

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

评分

评分