有谁知道超星文件是否可以转换成文本？

[Liubin]

超星的类似图形的文件能否识别成txt？

[radish]

谁能解决，我再送300分

[yzhgry]

不能，肯定不能

[yxwhrz]

网络玫瑰的下载地址如下：http://vcspirit.yeah.net。该程序是专用来下载国家图书馆的书籍的。无源码可供。该程序下载后安装完毕即可用。有详细的说明。

[yxwhrz]

超星是图形格式（并且是压缩的）。要想将之转换成文本，只能用OCR软件，不过是很麻烦的。下面是步骤：
（1）用网络玫瑰的超星浏览程序（browser)较好阅读（该程序有打印功能，可以选定打印的范围，而不是单张打印故推荐之）；
（2）在http://www.infomatik.com下载doc2tif(或称doc2pix)程序。该程序可将打印的内容存成为tif格式的图形文件。但该软件只能使用30天（其解密方法见后），其使用方法请参见该软件的Readme.doc；
（3）用网络玫瑰的浏览程序打开文件，选择打印，便可将选定的范围存成为一个个的tif图形（每页一个）。然后用OCR软件进行识别，校正，重新排版。对本身是图形的内容，可用截屏软件将之嵌入识别后的WORD文档中。
（4）Doc2pix文件的解密方法：用ULTREDIT等可对文件进行二进制编辑的软件进行：
a.改掉恼人的注册提示：查doc2pix.exe文件中的“52 FF15 7810 4000 8D85”，将“FF15 7810 4000”全部改为“90”（空操作）即可（本代码共有三个）；
b.改掉已过期提示：查win98\system目录下的pntifmon.dll:
查“39BC 2460 0200 00 7413”（在地址167：1000126A处），将“7413”改为“EB13”；
查“83C4 0885 C0 7510 6A3F”，将其中的“7510”改为“EB10”。
c.修改第（2）同一文件：将“85C9 7443”改为“85C9 EB43”。
四十、解除WDEF.EXE(1.0.3)版的时间限制:
查找"FFD6 837DF002 0F85 D100 0000 8B45C4",将其中的"0F85 D100 0000"改为"E9D2 0000 0090"即可。

[radish]

网络玫瑰的超星浏览程序在那下载？能否搞到辕马？

[csdn2000]

如果超星文件可以不很费劲地转换成文本文件，国家图书馆就一定会其整理文本格式，既能解决可读性的问题，又能节省大量存储空间，另外使用者还可轻松COPY其中的文字。
超星文件的扩展名为001至999，好像不能超过1000页。

[grassdog]

的确，超星格式是图像的，而且是自定义的图像压缩格式（虽然很容易转），重要的是：用OCR也不能转换成文本！为什么？因为超星的图像分辩率太低！
其实超星的初衷就是又“快”、又“省空间”。快，就是直接用扫描仪扫成标准TIFF图像，用编写的程序批量一转就得了；要想省空间,就要把扫描的图像（很大）压缩，怎么压缩，这图像基本是灰度或是黑白的，用不了JPG,当然就是减低分辨率了！所以用OCR决对不行，除非你自己编写识别程序！如果你能让程序识别这么低分辩率的图像，你造就发了！^_^

[yxwhrz]

grassdog先生，您的看法值得商量。本人在电力部门工作，下载了全部电力工业标准，用网络玫瑰的浏览程序，将原文件打印成tif格式后，用thocr7.0识别效果是很好的！关键是您得按原倍（不要缩小打印）。超星的分辨率低，可能是您使用的超星阅读程序的版本较低的缘故，若使用较高版本，按原倍（不缩小），则分辨率是不低的！不过，需要指出的是，即使用OCR，工作量仍然很大。之所以推荐使用网络玫瑰的浏览程序，是因为该程序可连续“打印”若干范围的页数，而不是超星阅读程序的单页打印。再者使用在下推荐的模拟打印程序（将所有程序的输出“打印”成tif文件），若设置正确，可以自动递增文件名称。这样，可实现半“自动化”。

[radish]

我当了一个网络玫瑰不能用。

[yxwhrz]

超星图像格式是一种压缩格式。在下曾花相当时间对其研究，目前可以说的只
有一条：HH加两数字是版本号，接下来的两个word是图像的长、宽。然后就是压缩数据。超星公司有一个OCX（见http://www.newhua.com的电子阅读页中的“超星阅读”程序的说明。但在下未找到过。需要说明的是，超星格式
用其阅读程序是可以进行缩放的，也可利用网络玫瑰的浏览程序进行阅读（在
阅读的实用性方面是不好的）。但若您下载在下推荐的模拟打印程序（将程序
的输出打印成一个个的tif文件），在打印时选择原倍（不缩小），其tif的分辨率对OCR软件来说是没大问题的。但在下在此说一下自己的看法：除非您确实需要，即使用OCR也是工作量很大的（若您有全文检索的必要，则此项工作值 得做）。因此，对特别重要的内容值得。关于图像的处理，在下已说过，将之
复制至形成的WORD文档（或RTF文档）即可。

[grassdog]

看了yxwhrz的回答，觉得真是世上已千年啊！说实话以前还真研究过如何大量转换纸介质文本的问题，就是OCR识别率太低或图像压缩率太低。现在如果THOCR这么先进的话，倒真是福气。利用THOCR的批量识别，下班时设定10000份，第二天早晨自动OCR出来10000页，应该算不错的了。就是没有试过，另外也不知识别率到底到多少，好像超星好多页是歪的，加上校正图像和校对文字，可能还不如录入呢……

[grassdog]

如果有了图像格式，起码可以批量转换成TIF、GIF,然后网上诸位大侠合编一个专门的批量OCR不就更好吗！

[allan]

yxwhrz is right, I just try it under his method. It can work.

[w102272]

超星的技术是基于图象的，尺寸也不小。
比起dynadoc 和 Acrobat Reader都差很多。
你干吗非要转换这样的文件？如果考虑OCR的准确性，恐怕不比敲进去来得快！

[loafman]

还有一个办法。
1.直接用超星的浏览器打印功能。我是随便找了一个支持PS格式的高档激光打印机的驱动安装，设置其属性为打印到磁盘文件。然后用超星直接打印一个ps格式文件到磁盘。
2.用adobe acrobat把ps文件转成pdf文件。
3.用acrobat用pdf文件导出为一系列TIFF文件。可以自己设定分辨率。
4.用OCR软件转成TXT文件。
用这种方法，分辨率绝对是够了，我已经试过好多本书了。麻烦的只是校对，尤其是对于程序类书藉，中英文混排的，加上代码，让人头大。

[ashes]

关注

[陈硕]

csdn2000():

超星最近的文件是.pdg后缀，可以从000001.pdg到999999.pdg