pdf转TXT乱码怎么办？

[jerrycheny]

下载了很多文学作品，但是都是PDF，而且转换成TXT的时候都乱码，求教高手有什么解决办法吗？谢谢！

[刘语料]

将PDF文件中的文本部分选定后使用复制和粘贴存为文本文件。因为PDF中非文本部分转化时经常乱码。

[xusun575]

以下是引用 jerrycheny 在 2006-7-10 15:00:19 的发言：
下载了很多文学作品，但是都是PDF，而且转换成TXT的时候都乱码，求教高手有什么解决办法吗？谢谢！

中文还是英文?若是英文,可以试用专门的软件转换.

[yinghuang]

可以用cajview打开，然后再复制到text.

[jackie]

遇到过类似的事，当时采取的方法是2楼和4楼的综合，因为有的文章在pdf中不能复制但可在caj中进行。不过有些文章采用这两种方法都不行，我只好放弃。另外，变成txt后，要手动进行修正，主要是换行时的标点符号错误和单词内多余空格的问题。good luck:)

[动态语法]

以下是引用 jackie 在 2006-7-11 22:08:16 的发言：
遇到过类似的事，当时采取的方法是2楼和4楼的综合，因为有的文章在pdf中不能复制但可在caj中进行。不过有些文章采用这两种方法都不行，我只好放弃。另外，变成txt后，要手动进行修正，主要是换行时的标点符号错误和单词内多余空格的问题。good luck:)


用Textpro处理汉语文本中的问题:

http://www.corpus4u.com/forum_view.asp?view_id=2041&forum_id=54

[yinghuang]

使用cajviewer把整本书转换成text后好像页码顺序会有些乱。请注意。

[xusun575]

挂一部PDF作品上来,大家都来试试,不就解决了?

[jerrycheny]

我用CAJ转换，然后用PROFTEXT处理，但是每个词之间有空格，怎么去掉？顺便这里粘贴一个，大家有空试一试怎么处理吧，谢谢！http://forum.corpus4u.org/upload/forum/2006071215513432.pdf

[xujiajin]

去除每个字中间的空格的办法如下：
在Word的查找和替换中
查找中输入：^?加一个空格
替换为：^&

然后全部替换就可以了。

[armstrong]

上面的PDF文件《呼啸山庄》可以转化成这样的文本文件。http://forum.corpus4u.org/upload/forum/2006071216500639.rar

[xusun575]

armstrong,很棒!用的什么方法啊?

[armstrong]

分三步进行：
1.用Cajview打开此文件,然后另存为.txt文件。
2.将.txt文件复制到Word.
3.用其中替换功能分两次进行，第一次去掉字间的空格，第二次去掉多余的空行。

[xusun575]

处理很巧妙,谢谢!

[刘语料]

thanks,armstrong .

[jerrycheny]

以下是引用 armstrong 在 2006-7-12 18:48:46 的发言：
分三步进行：
1.用Cajview打开此文件,然后另存为.txt文件。
2.将.txt文件复制到Word.
3.用其中替换功能分两次进行，第一次去掉字间的空格，第二次去掉多余的空行。



xu老师已经告诉我们怎么去空格，请问怎么去多余的空行？我一般是一个一个删掉的。应该有什么见到的办法吧？谢谢！

[armstrong]

在查找栏中输入^P^P
在替换栏中输入^P
然后进行替换，多进行几次，直至所有的多余的空行没有为止。

[jerrycheny]

以下是引用 armstrong 在 2006-7-13 9:07:14 的发言：
在查找栏中输入^P^P
在替换栏中输入^P
然后进行替换，多进行几次，直至所有的多余的空行没有为止。

我用xu老师的办法去空格"^? "替换为"^&",但是还是不能去除空格，字与字之间还是有一个空格，是不是我哪里设置有问题？还是我太笨了