.epub版的 Windows PE 权威指南，可直接提取文本内容，可用浏览器直接打开，全书签，方便使用

pdf格式存在的，比如：论文，技术文档，标准文件，书籍等。pdf格式使机器提取信息格外困难。 pdf的文本和表格处理用多种方式可以实现， 本文介绍pdfplumber对文本和表格提取。这个库在GitHub上星600多，不过使用起来很方便， 效果也很好，可以满足对pdf中信息的提取需求。

从一张图片中，把文字圈出来。这一步骤对OCR（Optical Character Recognition）非常有用，因为一般的OCR引擎只是拿来识别文字，并没有对图片做预处理，因此精度可能会收到图片质量影响。 我们这里只是粗略的查找文字区域，并没有进一步地处理图片。 请把test.png拷到bin\debug相应的目录

1、双击“天若OCR文字识别.exe”可执行程序，会有一个小图标出现在左下角任务栏中； 2、鼠标放到小图标上会提示“上级开始截图识别”，然后双击该图标，即可选择区域进行OCR识别

所有人

用Python实现的一个小工具，下载包包含源码和编译后打包的可执行文件。 可以根据配置从PDF文档里面提取一些关键字并写入Excel， 此工具适合转换一些批量的固定格式模板的PDF到Excel, .Docx文档可以用Word先转为PDF再使用此工具 PDF2Excel 目录下为python源码 PDF2Excel/dist 下为打包好相关依赖的可执行文件 config.ini文件为配置文件，可以配置想提取的关键字和位置信息 配置文件说明： [keyword-n] --标识要提取的第n个关键字相关信息 name=姓名 --标识具体的关键字 shift=3 --提取目标内容相对关键字的偏移量，可以是负值，表示目标内容在关键字左侧，具体偏移几个字符可以预估，然后测试微调 length=3 --提取目标字符的长度 命令行显示“存放文档的文件夹名称” 是指源PDF文档位置，可以根据自己的文件夹命名输入

部署环境后，将extraction.exe 放置到需要提取文字的图片文件夹并打开，识别后会将图片文字以图片文字为命名放置到桌面。

word提取文字所需的一系列jar,word提取文字所需的一系列jar

django富文本使用简明教程(基于百度Ueditor编辑器，windows平台) 可以提取富文本文字和图片 python 3.6，django==1.11.14 实现过程可以参考教程 https://mp.csdn.net/postedit/88389535