检查 PDF 是否是 Word VBA 中的 image/OCR'

Question

我在 Word 中使用 VBA 打开一堆 PDF 文件（一个接一个），并查找一些文本。我运行处理的一些文件实际上是 images/not OCR 的。我只想跳过它们，但我不确定要为此做什么样的检查。在这些文件上，它仍然“找到”字符串，并到达我不希望它处理的代码部分。

Dim pdfDoc As Word.Document
Dim ratingString As String
Set pdfDoc = Documents.Open(FileName:=FSOFile.Path, ConfirmConversions:=False, Format:=wdOpenFormatAuto)
Set ratingString = pdfDoc.Range

ratingString.Find.Execute FindText:="Evaluation Rating", MatchCase:=True

If ratingString.Find.Found = True Then
    'Somehow it gets to here when the pdf is an image
End If

有人可以建议如何防止图像 'passing' 我的支票吗？谢谢！

Answer 1

经过 OCR 处理的 PDF 通常还包含原始内容的图像及其背后经过 OCR 处理的再现。而且，根据 OCR 软件和输入图像的质量，您需要的文本可能已正确呈现，也可能未正确呈现。

尝试以下方法：

Dim pdfDoc As Word.Document
Set pdfDoc = Documents.Open(FileName:=FSOFile.Path, ConfirmConversions:=False, Format:=wdOpenFormatAuto)
With pdfDoc
  With .Range
    .Find.Execute FindText:="Evaluation Rating", MatchCase:=True
    If .Find.Found = True Then
      ' Process the found content, e.g.:
      MsgBox .Paragraphs(1).Range.Text
    End If
  End With
  .Close False
End With

检查 PDF 是否是 Word VBA 中的 image/OCR'

Checking if PDF is an image/OCR'd in Word VBA

vba

ms-word