扫描版 PDF 使用 OCR 软件转换成可复制版本的 PDF 之后，如何再转换成 epub 等移动设备可阅读的版本？

[movq]

一个中文扫描版 PDF ，我用 OCR 软件，比如 AABY Fine Reader 转换成了可以复制文字的版本，但是对于这种版本，使用 calibre 转换成 mobi 或者 epub 格式，都是失败的。

我觉得可能的原因是，OCR 软件并没有改变 PDF 的外观。每个文字仍然是原来的图像，只不过可以复制。这种和纯文字版非扫描版的还是有区别。

如果想转化成移动设备友好的格式，该怎么做呢？

[Maipol]

之前大概了解过，pdf 和 epub 底层好像完全是两个东西吧

[ygchy]

扫描版 PDF 用 OCR 识别出来的文本准确度还是比较低的吧，但如果能接受……或许可以先把 PDF 转换成 Word ，然后再用 Word 文档制作 epub ？新版本的 Word 可以直接选择 PDF 文档打开进行转换。但总的来说这个过程要不得花很多时间校对，要不就只能忍受 OCR 出来有大量错误的文本……自己阅读用的话感觉并划不来。

[whileFalse]

AABY 只能导出 pdf 吗？能不能导出 word

[shinsekai]

foxit 高级 pdf 编辑器可以直接 ocr 成“可编辑的文字”然后支持导出 html 格式，转 epub 应该就方便了

[i3x]

@ygchy 印刷体不至于。哪怕直接扫书。。。
十几年前的打印机光盘内置的汉王我觉得都可以接受。。。正常的书没什么，包括图的注那么小的都能认，除了书压不平可能里面一排字不认。。。几百个字错一两个还好了。


楼主如果是安卓之类的移动设备就直接缩放 pdf 对付着看吧。。。。如果是电纸书，劝退。。。。这种大 pdf 打开可能就死机了。转成其他的格式整理工作量太大

[xyjincan]

orc_pdf 原理,应该是在原有 pdf 基础上添加了一层不可见的可复制逐个字符，不具备原生 pdf 文本的重排版能力

[waterlaw]

@Maipol epub 底层是 html/css, pdf 有自己的格式

[ltkun]

koreader 了解一下

[kongkx]

想办法导出 html 。校对是个问题，保留段落排版的格式应该现在有工具可以做，之前看到的这个单一图片处理的 https://www.v2ex.com/t/851543?p=2 。

[felixcode]

可以用 abbyy fine reader 这样的软件导出成 word 文档，再做转换。