pdf介质框

Ⅰ 电子书有哪几种格式

电子书格式， 是对使用电子书时的文件编码方式，文件结构的一种约定，便于区分。如同一把钥匙开一把锁，不同的文件要用不同的方法去读，去显示，去写，去打开或运行。分启销为PC电子书格式和手机电子书格式，PC电子书格式包括EXE、TXT、HTML、HLP等，手机电子书格式包括UMD、JAR等。
目录
1PC格式
▪ EXE
▪ TXT
▪ HTML
▪ HLP
▪ CHM
▪ LIT
▪ pdf
▪ WDL
▪ CEB
▪ ABM
▪ PDG
▪ EPUB
▪ CAJ
2手机格式
▪ UMD
▪ JAR
3格式转换
4日本发展
5格式比较
1PC格式编辑
EXE
不需要安装专门的阅读器，下载后就可以直接打开。单击目录可以直接打开所需的内容，而PDF需要一页一页翻。
TXT
它在电脑上是记事本的扩展名,这种现在普遍应该到电子产品中,现在最常见的就是TXT小说,不仅方便的在电脑上打开,还可以下载到的MP3和手机中,现在网上TXT小说网站也很多,比如着名的飘零书社就是专业的TXT格式小说下载网站,可以很方便的下载自己的手机或MP3中,省去很多购买书的费用;
HTML
网页格式，可用网页浏览器直接打开；
HLP
帮助文件格式，在Windows上可直接打开；一般在程序中按F1可以打开。
CHM
同HLP文件格式一样，也是帮助文件则弯，但其支持多种视音频格式，让电子书显得更加生动美观。
LIT
微软的文件格式，需下载Microsoft Reader软件来阅读。
PDF
PDF是ADOBE公司开发的电子读物文件格式，是目前使用最普及的电子书格式，它可以真实地反映出原文档中的格式、字体、版式和图片，并能确保文档打印出来的效果不失真。
WDL
这是北京华康公司的文件格式，使用也很普遍。用DynaDoc免费阅读软件即可打开WDL和WDF格式。
CEB
此格式是由北大方正公司独立开发的电子书格式，由于在文档转换过程中采用了“高保真”技术，从而可以使CEB格式的电子书最大限度地保持原来的样式。
ABM
一种全新的数码出版物格式，这种格式最大的优点就是能把文字内容与图片、音频甚至是视频动画结合为一个有机的整体。在阅读时，能带来视觉、听觉上全方位的享受。
PDG
超星公司把书籍经过扫描后存储为PDG数字格式，存放在超星数字图书馆中。如果你要想阅读这些图书，则必须使用超星阅览器(Superstar Reader)，把阅览器安装完成后，打开超星阅览器，点击“资源”，我们就可以看到按照不同科目划分的图书分类，展开分类后，每一本具体的书就呈现在我们面前了。
EPUB
EPUB 是可重排版（reflowable直译可回流）的基于XML格式的电子书或其它数字出版物，是数字出版业商业和标准协会International Digital Publishing Forum (IDPF) 制定的标准。IDPF 于 2007 年10 月正式采用EPUB，随后被主流出版商和设备生产商迅速采用。有各种开放源代码或者商业的阅读软件支持几乎所有的主流操作系统。象Sony PRS之类的 e-ink 设备或者 Apple iPhone 之类的小型设备上都能阅读 EPUB 格式的电子出版物。
CAJ
CAJ 为中国学术期刊全文孙旁闷数据库英文缩写（ China Academic Journals）；CAJ是中国学术期刊全文数据库中文件的一种格式。可以使用CAJ全文浏览器来阅读。CAJ全文浏览器是中国期刊网的专用全文格式阅读器，它支持中国期刊网的CAJ、NH、KDH和PDF格式文件。它可以在线阅读中国期刊网的原文，也可以阅读下载到本地硬盘的中国期刊网全文。它的打印效果可以达到与原版显示一致的程度。CAJViewer又称为CAJ浏览器或是叫caj阅读器，由同方知网（北京）技术有限公司开发，用于阅读和编辑CNKI系列数据库文献的专用浏览器。CNKI一直以市场需求为导向，每一版本的CAJViewer都是经过长期需求调查，充分吸取市场上各种同类主流产品的优点研究设计而成。CAJViewer自2003年发展至今主要推出5.5、6.0、7.0三个版本。经过几年的发展，它的功能不断完善、性能不断提高，它兼容CNKI格式和PDF格式文档，可不需下载直接在线阅读原文，也可以阅读下载后的CNKI系列文献全文，并且它的打印效果与原版的效果一致，逐渐成为人们查阅学术文献不可或缺的阅读工具。
2手机格式编辑
UMD
该格式原先为诺基亚手机操作系统支持的一种电子书的格式，阅读该格式的电子书需要在手机上安装相关的软件。不过现在的很多java手机下载阅读软件后也可以看。
JAR
JAR 文件格式以流行的ZIP 文件格式为基础。与 ZIP 文件不同的是，JAR 文件不仅用于压缩和发布，而且还用于部署和封装库、组件和插件程序，并可被像编译器和 JVM 这样的工具直接使用。在 JAR 中包含特殊的文件，如 manifests 和部署描述符，用来指示工具如何处理特定的 JAR。
3格式转换编辑
1 HTM(HTML)转TXT
所需软件：HTML2TXT.exe
说明：启动软件，单击“添加文件”按钮找到需要转换的HTML文件；选择一个输出文件夹，然后单击“开始”按钮即可得到反编译后的HTM文件。
2 CHM转TXT
所需软件：CHM Encoder
说明：启动软件，单击“打开”按钮，找到需要转换的CHM文件；选择一个输出文件夹，然后单击“开始”按钮，即可得到反编译后的HTM文件。接下来执行上面讲过的HTM(HTML)转TXT的步骤，即可得到TXT文件。
3 PDF转TXT
所需软件：PDF Text Converter
说明：启动软件后，先在左上方的浏览器窗口内找到PDF文件所在的文件夹，此时左下方的文件列表窗口中会显示出该文件夹中的PDF文件，选中欲转换的文件，单击工具栏上的“添加文件”按钮，即会在右上方的窗口中列出等待转换的文件，添加完成后，单击齿轮形状的“转换”按钮，即可完成转换，转换好的TXT文件保存在源文件所在文件夹内。
4 JAR转TXT
所需软件：WinRAR
说明：只要你的电脑上安装了WinRAR，即可右击JAR文件，直接将其解压缩。此时你需要做的，就是将这些没有扩展名的文件加上TXT的扩展名并合并（快捷的方法下面会有介绍）
5 UMD转TXT
所需软件：XBookMaker
说明：启动软件后，单击左上方的“Open folder”按钮，定位到包含UMD电子书的文件夹，此时会在左边的的“Files”窗口列出该文件夹内包含的所有UMD格式的电子书，点击一个UMD文件，左下方的“Chapters”窗口中即会显示该电子书中所包含的章节。单击任意一个章节，即可在右边的窗口中看到该章节的内容。现在你只需将其复制并将其粘贴到记事本中，保存为TXT即可，
6 EXE转TXT
所需软件：miniKillEBook
说明：先打开想要转换的EXE电子书，再启动miniKillEBook，勾选“以文本方式保存”复选框，拖动图中的图标到电子书窗口中，单击“开始”按钮，软件即会自动将电子书“逐页翻过”并将每一页的内容存为TXT文本。[1]
4日本发展编辑
日本各大图书出版商及数字出版公司日前达成共识，将选用EPUB 3.0标准作为电子书出版格式。
EPUB是一种电子图书标准，由国际数字出版论坛（IDPF）提出，是一个自由的开放标准，包括3种文件格式标准（文件的附档名为.epub）。目前EPUB在欧美已被广泛使用，取代了先前的Open eBook开放电子书标准。
目前，电子书的出版已成为科技界和图书出版界的热门话题。分析师预计，日本的这一决定将对全球电子书市场格局产生重要影响。
5格式比较编辑
txt电子书，其实就是未做任何加工的电子文本，是最简单的展现文本，它的编码分为ansi、unicode、unicode big endian、utf-8,这几种代码电脑中都可以正常浏览，我们电脑中常规用的是ansi编码，但手机就不同了，手机一般默认的是unicode编码，编码不认的情况下会出现乱码，当然随着手机的逐渐发展这种情况会有所改善，简而言之，txt电子书最制作最简单的，将常规编码的电子资料“另存为”的时候将编码改成unicode编码形式的即可。
exe电子书，众多电子书格式中制作起来算是最复杂的一种，但也是最美观，功能最多的一种，它的过程是先将txt格式的内容文本，按章节分开多个TXT文本，再分别制成一个html的集合（页面插图及电子书封面），最后通过电子书的封装软件，制成一个后缀为.exe的电子书文件。
pdf电子书，一般是用Foxit PDF Editor来制作的，基本分为两种一种是文字版的，另一种更直接将纸质书籍文字全版影印成图片，集合一下便是pdf电子书
jar电子书，其实就是将txt电子文本，转码成unicod编码，然后通过手机电子书制作软件，再次将功能实用性提升了一下，基本相当于txt电子书的升级版
各种电子书的优劣
txt电子书的优势：为体积小，是各种电子书的原始载质，缺点：没有功能，不美观
exe电子书的优势：美观漂亮，功能多，可实现章节目录，翻页滚屏，排版整齐，不需要借助任何阅读软件。缺点：体积相对txt大，目前不能在手机上阅览
pdf电子书的优势：直观，有章节目录，美观度一般，功能一般，利用比如ADOBE ACROBAT PROFESSIONAL软件可以极为方便的添加（标注、文字、图片等）注释。缺点：在所有电子书格式中pdf电子书体积最大，不能在手机阅览 （目前在安卓、苹果等智能机通过第三方软件可打开阅览）
jar电子书的优势：功能相对txt而言，加入了书签分节功能。缺点：仅限于在手机上观看，体积比txt格式稍大，不能在电脑中阅览
epub电子书的优势：有章节目录，文字显示大小可选，排版自由，适合比例屏幕阅读。缺点：PC上使用，体积比txt格式稍大，不能添加备注等，不过如果只是阅读且兼顾文件大小的话epub是个不错的选择。
哪种格式的电子书好[2]其实任何事物无所谓绝对的好与坏，没有最好，只有更适合，如果你喜欢在电脑中看电子书，不讲究美观的建议你看txt或pdf格式电子书，如果讲究赏心悦目那选择exe电子书，如果你只喜欢在手机上观看电子书，建议你选txt或者jar，如果想更细致一点，那就选择jar格式的。如果你是一个电子书发烧友，那仍然建议你选择exe电子书。以上各种电子书网络都中都不乏见，TXT的更是多如牛毛像起点中文网，红袖添香等都不少，exe格式的相对较少点例如58L电子书，或者无忧都挺不错的，随着时代的发展，我们的手机将会如电脑一样，或者说，手机与电脑基本相当于小电脑与大电脑的差别，相信到了那时候，所谓的任何形式的电子书的展现将会是一马平川，不存在介质的障碍。

Ⅱ 双层PDF在地质资料数字化中的应用

郭慧锦 贾国锋 马飞飞 张茜

(全国地质资料馆)

摘要 本文在描述双层PDF及OCR技术特点及应用前景基础上，探讨了地质资料数字化图文数据双层PDF转换的意义；提出了转换方法的选择，并详细介绍了OCR数字加工系统，以及提高识别率的方法；最后提出了双层PDF在地质资料馆建设中的意义。

关键词 双层PDF OCR识别率

当前，地质资料馆藏机构都在加紧开展数字化工作。截至2013年底，全国已有20多个省级资料馆完成馆藏资料的数字化工作，全国地质资料馆的成果地质资料数字化工作也接近尾声，所形成的海量数据已成为地质资料信息社会化服务重要数据资源。此类数字化数据是静态的，有利于阅览使用，但无法进行全文检索，也不利于进一步分析处理。因此，在现有数据的基础上，开展OCR识别，使之转化成双PDF文件，实现静态向动态的转变，建立全文数据库，完成对地质资料的全文信息的检索，成为地质资料馆藏机构推进资料数字化工作。

1 关于双层 PDF与OCR技术

双层PDF是在扫描数据的基础上通过OCR识别生成的可检索的PDF文件，即上层是原始图像，下层是识别结果，且位置上下一一对应。双层PDF文件不仅可以100%保留原始版面效果，而且支持选择、复制、检索等功能，这样的PDF文件最后可以存储在光盘、硬盘或磁盘阵列中，并通过建立索引数据库进行科学的管理。

OCR(Optical Character Recognition)，即光学字符识别，是指电子设备(如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。即对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。随着计算机网络飞速发展，信息电子化已经成为一个时代必然趋势。文字作为信息中最重要、最集中的载体，其电子化进程显得尤为重要。而OCR技术则是文字电子化过程中最重要的环节，它改变了传统的纸介质资料输入的概念。通过OCR技术，用户可以将通过摄像机、扫描仪等光学输入方式得到的报刊、书籍、文稿、表格等印刷品的图像信息转化为可以供计算机识别和处理的文本信息。因此，与传统的手工录入方式相比，OCR技术大大提高了人们进行资料存储、检索、加工的效率。

2 应用现状

PDF正在世界各国政府、金融财务、法律、工程技术、医疗等诸多部门获得广泛的应用，并已成为政府、学术部门等单位标准的现代化公文格式规范，所以PDF电子格式文档将是未来档案部门收藏的主体。而双层PDF的出现有效解决了识别成本和阅读利用的矛盾，是一种较有潜力的资源格式。国外的OCR技术应用相对成熟，包括IBM、Motorola、HP和Microsoft等世界性大公司都陆续展开了这方面的研究，在他们的产品中绑定了OCR技术。

如今，OCR技术在我国的应用也极为广泛。信息检索技术研究，即双层PDF检索技术研究，中国“863”计划在2008年以前已经开始对中文OCR、自动分词、自动摘要、自动搜索、自动定位进行了统一测试评测。在此基础上，国内逐步建立了以数字图书馆、数字档案馆、数字报刊、数字校园网等一系列数字化为基础的实施案例，例如新闻出版总署、外联部、共青团中央等机关文献全文数据库；《中国青年》75年、《新华文摘》20年等期刊全文数据库。国家图书馆早在1999年就成立了“国家图书馆文献数字化中心”，对各类馆藏文献进行数字化加工和OCR识别，在此基础上形成书目型书库、题录型数据库和全文型数据库三大类，逐渐成为我国网上信息资源的中心枢纽。

随着我国信息化建设全面普及，OCR技术的应用前景更加广阔，数字图书馆、数字档案馆、数字资料馆等概念的提出也使OCR在纸质档案数字化过程中越来越发挥其独特的作用，不仅节省了人力物力，更使档案信息资源的利用价值达到最大化，能够更好地服务于民。

3 数字化数据双层PDF转换的意义

3.1 是地质资料信息化建设的重要内容

随着社会信息化程度的提高，人们对信息资源的依赖程度也越来越高，对高效率的档案资源管理、检索利用的需求也越来越迫切。数字化是信息化建设的重要内容，而信息化建设的核心是资源建设。资源建设包括三大任务：一是馆藏纸质资料的扫描数字化与目录数据库建设；二是电子文件的归档与管理；三是全文数据库和全文检索体系建设。根据各资料馆数字化工作进展，考虑到用户的利用需求，若要得到真正文本形态的电子信息，使资料数字化工作更加有效，更加彻底，最大限度拓宽用户利用面，就需要应用OCR技术进行扫描栅格文件的双层PDF转换，进而开展地质资料全文数据库建设和全文检索工作。

3.2 是地质资料实现全文检索与全文数据库建设的前提

实践证明，基于双层PDF文档的全文检索，有效地提高了查询利用效率。它通过对档案数据库的数据和双层PDF文档的Text层建立索引，查询时可以不访问数据库，有效减轻数据库和系统的压力。至少可以支持1000万级的数据，毫秒级的查询时间，每秒上千人的并发访问，从而实现大容量、高速度的目标，并且可以适应Linux和Windows平台，支持多种数据库接口。它具备通用搜索引擎的构架和功能，可以对用户的输入进行分词，可以进行多关键字搜索、关键词组合搜索，用户友好；同时能够根据客户的需求进行用户的数据挖掘，提高档案全文检索系统的价值。

3.3 是现代化数据中心标准化建设的前提

建设现代化的数据中心首先要实现电子文件存储结构标准化，即建立一个通用性强、应用广泛的电子文件信息存储和交换格式。基于PDF格式已经作为电子文件管理中电子文件长期保存格式的最新标准在国际上全面实施，且具有兼容性、原始记录性强，安全控制策略完善等优点，是电子文件长期保存的最佳选择。所以进行馆藏数字化数据PDF转换势在必行。

4 双层PDF转换方法

4.1 目前常见的双层PDF转换方法

目前国内双层PDF的转换技术已经相对成熟，从现有技术条件下来看，大体可分为以下3种：

4.1.1 软件转换

由目前市场上较流行的 Adobe Acrobat、ABBYY FineReader12(中英文识别)、Readiris Corporate 12(英文识别率高)、Foxit Phantom 5(可以单独显示文本层)、清华文通TH-OCR XP8(识别率较高)、汉王文本王5800(版面识别较好，纯中文识别率高)、尚书七号OCR等转换程序，可以经OCR识别处理后直接生成双层PDF文件，速度快，效率高。但识别率和纸质资料原件(如印刷方式、清晰度、纸张质量等)及操作人员技术水平成正比。如果纸质原件质量好，识别率相对就高；质量差，识别率就相对较低。

4.1.2 流程加工

根据相关技术要求，对图像进行全新的OCR识别流程加工处理，重新生成PDF文件，具有文字正确率高、文字定位准确等特点。这种方式相当于全流程化制作双层PDF文件，工作量大，耗时长，费用高。

4.1.3 识别重构

重新生成PDF文件，实现版面字体、字号、颜色的恢复和重构。文字正确率高，页面清晰，但和原版图差异较大，主要在图书方面应用较多。

4.2 地质资料双层PDF转换

全国馆于2011年开始在扫描数字化基础上开展双层PDF的转换试验工作，主要运用第一种方法进行软件转换，即经过软件自动OCR处理后直接形成双层PDF文件。由于地质资料不同于普通的文书档案，纸张样式和印刷方式多样，手写和老旧资料多，地层、数学等特殊符号多等特点，给OCR自动识别带来了困难，单一的软件识别并不能满足全文检索90%以上识别率的要求。

在转换试验基础上我们得到以下结论：

1)地质资料本身多种多样，实际的识别率主要受印刷质量、形成年代等因素影响，老旧资料、纸质质量差的资料识别率普遍较低；受执笔人书写习惯及书写清晰度的影响，手写文档的识别准确率一般在30%以下；油印文档识别准确率一般在50%以下；打印、铅印和胶印文档识别率较高，一般能达90%以上。无论在哪种类型的文档中，标点的识别率都很低，地层和数学符号及其他特殊符号的识别率几乎为零。

2)目前识别技术无法达到100%识别，必须根据实际需求对照纸质档案对初次识别结果进行人工校对才能满足全文检索需求。

3)地质资料扫描文件数量多、容量大，转换速度受计算机反应速度影响，大批量转换和识别需选择高配置计算机，且批量转换和人工识别耗时长，耗人工多，需专项经费支持开展工作。

4.3 OCR数字加工系统的引入与功能简介

经过对目前国内双层PDF转换方法的对比，结合地质资料情况复杂的特点，以及数据测试结果研究，建议地质资料的双层PDF转换主要采用软件识别和流程加工相结合的方法，即采用OCR数字加工系统，可以保证高效率、高质量地完成双层PDF转换。该系统主要包含以下几个主要流程：

图1 OCR数字加工系统示意图

1)图像处理。为提高识别率，对图像进行“消蓝去污”的处理，去掉图像上影响识别率的噪音，如麻点、下划线等，由图像质量控制程序自动监测图像处理质量。

2)版面分析。自动进行版面理解并定位，判别划框区域是横排文本区、竖排文本区、表格区还是图像区，并对不同属性的区域以不同颜色的线框标识出来。自动版面分析在后台运行，操作人员可在前台进行确认，必要时对自动版面分析结果加入手工干预。

3)识别。把文字图像转化为计算机文字内码，可以识别印刷体和手写体中文(包括简体字和繁体字)、中英文混排文字、表格，识别出来的文字内码可以是GB码、BIG5码、GBK码或者Unicode码。识别过程在后台运行。

4)纵向校对。具有很强的查错纠错能力，是将一个或若干个图像中识别成同一个字的文字图像列在一起显示，并以突出颜色标出可疑字，便于操作员发现错误和修改。

5)横向校对。是传统的人工校对方法，操作员直接对比识别结果文本和图像，以发现识别错误文字。系统自动调出文字对应的图像，进行比对。同时，以醒目的颜色标出识别可信度不离的文字。

6)版面还原。将识别并修改好的文本还原成跟扫描文稿版面的布局一样、可以供计算机阅读和查询检索的RTF、PDF、HTML、SGML/XML格式的数字文档。

7)数据入库。版面还原数字文档的保存。

4.4 提立OCR识别率的方法

利用OCR数字加工系统生成的双层PDF，文本层差错率最低可到万分之一，可呈现原版底纹和色彩风貌，可进行全文检索和复制引用，且检索信息可准确定位到字符，便于快速查找目标信息。为了减轻横向校对即人工校对工作量，提高工作效率，就要从根本上提高识别率。经过试验，以下几个方法可以提高栅格文件OCR识别率。

1)图像色彩设定。虽然灰度或彩色模式可以最大限度还原纸质资料原貌，是我们扫描数字化的首选，但是这两种色彩模式会增大影响识别率的背景噪音。若仅做文字识别及一般黑白插图选取，建议可将扫描程序的图像色彩设定设置为黑白，增大识别率。不过最终图像色彩的设定还要按照各类具体工作的规范要求来设置。

2)分辨率设置。我们都知道扫描分辨率设置越低，扫描速度越快，但同时也导致图像质量差，其文字识别准确率低。反之分辨率高，扫描速度慢，但文字识别准确率高。但这又不是绝对的，因为分辨率设置得太高后，纸张上的微小瑕疵也可能被认作标点符号或汉字等，文字识别准确率反而会有所降低。经反复测试，分辨率设为300dpi，是扫描速度及文字识别准确率的最佳平衡点。

3)图像处理。这里图像处理是指扫描输出图像前的倾斜校正和去污等。倾斜校正是为了调整文字方向使之正向，这样才能对OCR识别有所帮助。

双层PDF转换完成以后，在此基础上可以实现资料管理系统与PDF文件的挂接，对资料数据内容及其元数据等相关信息建立联系并形成数据包；然后通过调用全文数据库原数据创建索引文件，最后实现全文检索。通过全文数据库及全文检索的实现，得到高查全率和查准率，大幅度提高地质资料的利用价值，促进地质资料编研工作，为地质资料信息聚合的研究和深层次服务奠定了基础。

参考文献

[1]许呈辰.档案数字化过程中OCR技术的应用[J].档案管理，2011(1).

[2]徐永芳.OCR技术在档案数字化过程中的应用[J].艺术科技，2011(2).

[3]张旋.OCR技术研究进展及前瞻[J].科学技术，2010(4).

[4]郭金光.双层PDF技术及在档案数字化中的应用[J].新观察，2013(1).

[5]刘家真.文件保存格式与PDF文档[J].档案学研究，2002(2).

Ⅲ 为什么我电脑打印不了PDF 格式

1、首先我们打开PFD的文件

Ⅳ pdf打开显示你已备份到电脑

pdf打开显示你已备份到电脑原因：电脑中没有支持打开pdf格式文件的软件。

解决的方法和操作步骤如下：

准备工具：“360软件管家”软件。

1、首先，双击打开“360软件管家”软件，如下图所示，然后进入下一步。

2、其次，完成上述步骤后，在页面的搜索框中单击搜索“pdf”，如下图所示，然后进入下一步。

3、接着，完成上述步骤后，单击“下载”按钮以在此页面上下载所需的支持pdf格式阅读的软件，下载完会自动安装，无需做任何操作，如下图所示，然后进入下一步。

4、最后，完成上述步骤后，pdf文件就可以打开了，如下图所示。这样，问题就解决了。