摘 要：我國(guó)網(wǎng)絡(luò)期刊文獻(xiàn)大都采用PDF格式，且以文本型（矢量模式）為主，但也有部分為圖片型（光柵模式）PDF文獻(xiàn)。圖片型PDF文獻(xiàn)無(wú)法復(fù)制、搜索、取詞，也不支持在線實(shí)時(shí)檢索、學(xué)術(shù)不端檢測(cè)等功能。利用Adobe Acrobat Professional 10.0可對(duì)掃描或其他方式生成的圖片型PDF文獻(xiàn)進(jìn)行頁(yè)面裁剪、OCR文本識(shí)別及頁(yè)面校正，從而可以獲得頁(yè)面整潔、端正的文本型PDF文獻(xiàn)。

關(guān)鍵詞：Adobe Acrobat Professional 10.0；OCR文本識(shí)別；文本型；圖片型

中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-8122（2013）12-0105-02

我國(guó)網(wǎng)絡(luò)期刊出版采用的文件格式主要有CAJ、PDF和HTML三種[1]，其中大多數(shù)為PDF格式[2]。PDF是世界上期刊網(wǎng)絡(luò)版通用格式[3]，我國(guó)的中國(guó)知網(wǎng)（CNKI）和國(guó)家科技圖書文獻(xiàn)中心（NSTL）也都提供PDF格式的期刊文獻(xiàn)。生成PDF文檔的常用方法包括通過(guò)其他軟件中轉(zhuǎn)和通過(guò)虛擬打印機(jī)。目前期刊編輯部廣泛使用北大方正書版排版軟件，可以直接或間接生成文本型PDF文獻(xiàn)，其文字為矢量模式，可以進(jìn)行選擇復(fù)制、搜索查找、金山詞霸取詞等操作。但在缺少原始電子文件時(shí)，則需以掃描樣刊的方式生成圖片型PDF文獻(xiàn)。圖片型PDF文件整個(gè)頁(yè)面為一個(gè)光柵圖像，其中的文字不能被選中 [4-5]，不僅無(wú)法復(fù)制、搜索、取詞，也不支持在線實(shí)時(shí)檢索、學(xué)術(shù)不端檢測(cè)等功能，也常會(huì)出現(xiàn)邊緣有多余文字以及頁(yè)面不正等情況，從而影響到讀者對(duì)文獻(xiàn)的閱讀利用和數(shù)據(jù)庫(kù)系統(tǒng)的正常運(yùn)行。本文利用Adobe Acrobat Professional 10.0，以自國(guó)家科技圖書文獻(xiàn)中心（NSTL）下載的英文文獻(xiàn)“Relative measure index： a metric to measure the quality of journals”作為示例，對(duì)掃描（也可以是其他方式轉(zhuǎn)換）生成的圖片型（光柵模式）PDF文獻(xiàn)進(jìn)行裁剪，通過(guò)OCR文本識(shí)別轉(zhuǎn)換為文本型（矢量模式），并同步對(duì)頁(yè)面進(jìn)行校正。

一、PDF文件頁(yè)面裁剪

用Adobe Acrobat Professional 10.0打開(kāi)所處理文獻(xiàn)，首先對(duì)頁(yè)面進(jìn)行裁剪，裁剪需要逐頁(yè)進(jìn)行，而對(duì)于文本識(shí)別、啟動(dòng)注釋等，可以整篇同時(shí)完成。

圖1為所處理文獻(xiàn)的首頁(yè)，該文獻(xiàn)為掃描生成的圖片型PDF文件，無(wú)法進(jìn)行文字選中、復(fù)制、搜索（查找）、翻譯取詞等操作，整篇文獻(xiàn)頁(yè)面橫置，頁(yè)面邊緣有多余文字。

點(diǎn)擊右上角“工具”按鈕，打開(kāi)“工具”窗格，選擇“頁(yè)面”→“裁剪”路徑（如圖2所示）。用出現(xiàn)的十字形光標(biāo)選擇裁剪區(qū)域（如圖3所示），在選擇區(qū)域內(nèi)雙擊鼠標(biāo)右鍵，出現(xiàn)“設(shè)置頁(yè)面框”對(duì)話框（如圖4所示），確定即可完成裁剪；這一步也可以單擊鼠標(biāo)右鍵，點(diǎn)擊“設(shè)置頁(yè)面框”命令，這時(shí)即直接將裁減框外的頁(yè)面裁剪掉。

圖1 所處理的掃描生成PDF文獻(xiàn)（首頁(yè)）

圖2 工具—頁(yè)面—裁剪 圖3 選擇裁減區(qū)域

工具窗格也可以通過(guò)菜單欄中的“視圖”→“工具”路徑打開(kāi)，但不如通過(guò)工具窗格打開(kāi)操作便捷、界面友好。

圖4 “設(shè)置頁(yè)面框”對(duì)話框

二、將圖片型PDF文件轉(zhuǎn)換成文本型PDF文件

打開(kāi)“工具”窗格，通過(guò)“識(shí)別文本”→“在本文件中”路徑（如圖5所示），打開(kāi)“識(shí)別文本”對(duì)話框（如圖6所示），點(diǎn)擊“編輯”按鈕，出現(xiàn)“識(shí)別文本-一般設(shè)置”對(duì)話框（如圖7所示），設(shè)置OCR識(shí)別的主要語(yǔ)言，根據(jù)筆者觀察選擇中文或英文對(duì)識(shí)別效果沒(méi)有影響，識(shí)別準(zhǔn)確率都很高，但對(duì)生成的文本型PDF進(jìn)行復(fù)制、粘貼操作中，如果設(shè)置語(yǔ)言與轉(zhuǎn)換語(yǔ)言不一致，則可能出現(xiàn)亂碼。分辨率選擇300dpi，設(shè)置完成后確定，即可將圖片型轉(zhuǎn)換為文本型，并同步進(jìn)行頁(yè)面校正，將傾斜的頁(yè)面轉(zhuǎn)正，也可將橫置頁(yè)面轉(zhuǎn)換為豎立；通過(guò)菜單“文件”→“另存為”→“PDF”，設(shè)置路徑、重命名后加以保存。

圖5 工具窗格—識(shí)別文本 圖6 “識(shí)別文本”對(duì)話框

圖7 “識(shí)別文本-一般設(shè)置”對(duì)話框

將圖片型PDF文件轉(zhuǎn)換生成文本型PDF文件還可以通過(guò) “工具”→“文檔處理”→“優(yōu)化掃描的PDF”路徑實(shí)現(xiàn)，并可進(jìn)行應(yīng)用自適應(yīng)壓縮、小文件/高質(zhì)量、濾鏡、OCR識(shí)別等各項(xiàng)設(shè)置（如圖8所示）。經(jīng)嘗試，利用默認(rèn)設(shè)置即可取得良好效果，與采用“文本識(shí)別”方法基本等效，而采用多種不同設(shè)置生成的文本型PDF顯示效果差別也不明顯。

圖8 “優(yōu)化掃描的PDF”對(duì)話框

圖9顯示新生成的文獻(xiàn)首頁(yè)的完整頁(yè)面，頁(yè)面端正、整潔，可進(jìn)行文字選中、復(fù)制等操作（如圖10所示），也可用金山詞霸取詞（如圖11所示）。

圖9 新生成的文本型PDF文獻(xiàn)頁(yè)面

圖10 選中和復(fù)制

圖11 金山詞霸屏幕取詞

三、結(jié) 語(yǔ)

通過(guò)大型網(wǎng)絡(luò)數(shù)據(jù)庫(kù)下載已成為讀者獲得所需文獻(xiàn)的主要途徑。網(wǎng)絡(luò)期刊文獻(xiàn)大多采用PDF格式，以文本型為主，但仍有部分為圖片型PDF文件。圖片型PDF文件不支持以文字屬性為運(yùn)行基礎(chǔ)的功能，例如復(fù)制、搜索、取詞以及文獻(xiàn)檢索、學(xué)術(shù)不斷檢測(cè)，等等。采用Adobe Acrobat Professional 10.0將圖片型PDF文件轉(zhuǎn)換為文本型PDF文件，對(duì)于讀者充分利用文獻(xiàn)資源和數(shù)據(jù)庫(kù)良好運(yùn)行具有一定的實(shí)用意義。

筆者在閱讀PDF格式英文文獻(xiàn)時(shí)，習(xí)慣于采用金山詞霸屏幕取詞和翻查字典結(jié)合的方式，但是從網(wǎng)上獲得的PDF文獻(xiàn)，常為光柵模式無(wú)法取詞；將PDF文件由圖片型轉(zhuǎn)換為文本型，可以有效解決這一問(wèn)題。

參考文獻(xiàn)：

方寶花.期刊網(wǎng)絡(luò)出版中的文件格式比較[J].情報(bào)技術(shù)，2005（2）.

周雪瑩.采用雙層 PDF 形式將方正書版文件制作為可檢索式 PDF 文件[J].編輯學(xué)報(bào)，2012（6）.

陳莊.網(wǎng)絡(luò)科技期刊插圖圖像質(zhì)量調(diào)查與分析[J].科技與出版，2011（6）.

李宗紅.利用Adobe Acrobat Professional 8.0軟件實(shí)現(xiàn)圖片型PDF文件到文本型PDF文件的轉(zhuǎn)換[J].中國(guó)科技期刊研究，2010 （l）.

周雪瑩.對(duì)“利用Adobe Acrobat Professional 8.0軟件實(shí)現(xiàn)圖片PDF文件到文本型PDF文件的轉(zhuǎn)換”一文的質(zhì)疑——與李宗紅老師商榷[J].中國(guó)科技期刊研究，2011（6）.