如何将纸质材料转为word文档？

通过扫描仪将纸质材料扫描成图片格式。

首先安装扫描仪驱动，连接好扫描仪。 我用的是汉王OCR 6.0，打开软件后，先选择好相应的扫描仪，点击“扫描”。 模式我选的是“黑白图片”，经试验对于本来就比较清晰的文本这种格式的识别率最高，而且扫描速度也快。 对于不太清楚的文本可以使用自定义设置，多试验几个选项来加强识别率。 然后就要一页一页的将材料扫描为图片了，图片会自动保存到image目录下。

文字识别

点击“选择所有文字”，再点击“开始识别”，将保存的所有图片扫描为文本格式，这时会发现原来的图片文字会自动被识别保存到相应的文本文件里。 识别过程中发现对于某些情况汉王识别率可以迅速降为0，比如扫描文字右侧文字偏小时，有黑道时。这时可以借助另一款识别软件 清华紫光OCR 来进行识别。

文字修改

借助汉王强大的识别对照功能，可以轻松实现文字的修改。

在上面的编辑区中，如果发现识别错误的地方，只需要将光标移过去，上方就会出现原来文字对照和文字提示，修改起来很方便。美中不足之处就是不能用鼠标滚轮移动页面，需要借助键盘上的上下箭头。另外“施”这个字无法修改，不知道什么原因….修改好一页后，只需要在左侧导航栏里点击下一幅图片就可以了，系统会自动保存。也幸亏有这个功能，汉王一高兴了就死掉，不知道为何原因。。。

文件整理到word中

编程实现各文本文件汇总到一个单一文件中。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import os
def join(pathname):
    fdoc = open('doc.txt', 'a')
    for dirpath, dirnames, filenames in os.walk(pathname):
        for file in filenames:
            if file.split('.')[-1].lower() == 'txt':
                wholeFile = os.path.join(pathname, file)
                f = open(wholeFile, 'r')
                fdoc.write(f.read())
                f.close()
                print '%s is over' % file
        fdoc.close()
        print 'all over'

if __name__ == '__main__':
    pathname = ur'D:\Program Files\HWOCR60\IMAGE'
    join(pathname)

在word中将全部空格，回车符替换为空，然后分段，然后整体修改，搜索“设旋”、“设旌”改为“设施”… 完善格式…

ps

Microsoft Office 工具里的Microsoft Office Document Imaging也可以实现识别功能，看它的版权页发现使用的是清华紫光的TH-OCR技术，不过是2002版本的，比起网上下载的99版TH-OCR好多了。可以考虑应用VBA做一些批处理操作。

另外下载了据称是世界上最先进的识别软件ABBYY FineReader，试用版可以使用15天，识别50页，试用了下效果还可以。注册的话需要$200。