连续加了2个星期的班，好累。幸好写出了几个程序，要不然岂不是很惨。
这几天一直在研究格式转换的问题，pdf2txt,doc2txt的程序已经都能运行，编码、分页的问题都已经解决。虽然不完美，但可以解决绝大多数问题。
借用了开源工具xpdf的pdftotext，非常感谢。
最满意的地方是批量转换时效率较高，pdf2txt可以达到4秒/本，每本几百页，已经很快了，还要拆分txt，我容易嘛我。
pdf如果嵌入字体子集，或文字已转换为路径，还无法提取，在网上也没发现谁成功过。
doc2txt本来想用vb的，后来才发现vc也可以，我汗。。。 但效率不高，如果要分页导出txt的话，非常慢，不知哪位高手有快点的办法。