Perton 網誌: 2025/05

爲什麽複製貼上到 VBA 程式碼的中文註解會變成“亂碼”？

偶爾在網路上，看到一些不錯的程式碼，或是在書上學習到了好内容，想在自己電腦上執行看看，就會遇到如同標題所説的問題！

原來 VBA 編輯器預設使用 ANSI 編碼，而網頁資料大都是 Unicode 字元編碼。

所以，才會有中文註解會變成“亂碼”的現象！！

目前個人解決這類問題最簡單的方式是，利用 Windows 提供的文本文字檔案做中介環境。

1. 在原始來源中，選定所需要的資料内容，加以“複製”

2. 在 Windows 的文本文字檔案中，貼上剛才複製的内容；

再按下 Alt + A，全選所有的内容；

在按下 Ctrl + C 複製内容。

3. 在 VBA 環境中，貼上你的資料；如此就不會有亂碼現象產生了。

First Post : 2025/05/18

PDFtk（PDF Toolkit）介紹

PDFtk 是一款免費、開源的 PDF 處理工具，支持在命令列中對 PDF 進行多種操作，如拆分、合併、加密、解密和檢查 PDF 文件屬性。

適用平台：Windows、macOS、Linux
官網下載：PDFtk Server 下載頁面

📌 PDFtk 安裝

Windows

下載並安裝 PDFtk Server：
- 官網下載：PDFtk Server（Windows 版本）。
- 安裝後，將 PDFtk 安裝目錄（如 C:\Program Files (x86)\PDFtk Server\bin）加入系統環境變數 PATH。

macOS / Linux

在 macOS 或 Linux 上，通常可以透過 Homebrew 安裝：
```
brew install pdftk-java
```

📌 PDFtk 基本使用方法

以下是一些常用的 PDFtk 指令和範例：

1. 檢查 PDF 屬性

指令：
```
pdftk yourfile.pdf dump_data
```
範例：
```
pdftk example.pdf dump_data
```
效果：這會顯示 PDF 的基本屬性（頁數、加密狀態、標題、作者等）。

2. 分割 PDF

指令：
```
pdftk yourfile.pdf burst
```
範例：
```
pdftk example.pdf burst
```
效果：將 PDF 內每一頁分割成獨立檔案。

3. 合併 PDF

指令：

pdftk file1.pdf file2.pdf cat output merged.pdf

範例：

pdftk page1.pdf page2.pdf cat output combined.pdf

效果：將兩個 PDF 文件合併為一個。

4. 提取特定頁面

指令：

pdftk yourfile.pdf cat 1-3 output output.pdf

範例：

pdftk example.pdf cat 2-4 output extracted.pdf

效果：從第 2 到第 4 頁提取，生成新 PDF。

5. 加密 PDF

指令：

pdftk yourfile.pdf output secured.pdf owner_pw your_password

範例：

pdftk example.pdf output secured.pdf owner_pw 1234

效果：為 PDF 添加密碼保護（擁有者密碼）。

6. 檢查 PDF 是否是文字或影像型

雖然 PDFtk 無法直接判斷 PDF 是文字型還是影像型，但你可以結合指令進行檢測：

指令：

pdftk example.pdf dump_data | grep -i text

說明：
- 如果檔案是文字型 PDF，則應該會顯示與「文字」或「字型」相關的內容。
- 如果是純影像型，則很可能不會有這類資料。

📌 更進階應用：批次處理

如果你有大量 PDF 檔案要檢查或處理，可以使用 Bash 或批次檔：

for file in *.pdf; do
  pdftk "$file" dump_data | grep -i text && echo "$file 是文字型 PDF" || echo "$file 是影像型 PDF"
done

效果：此腳本會逐一檢查目錄下所有 PDF，並顯示每個檔案的類型。

進階應用：

使用 PDFtk 與 OCR 工具將影像型 PDF 轉為文字型 PDF

PDFtk 本身無法進行光學字符辨識（OCR），但可以與其他 OCR 工具（如 Tesseract）搭配來將影像型 PDF 轉為文字型 PDF。以下我將教你如何結合 PDFtk 和 Tesseract OCR 來實現這個功能。

📌 必備工具

PDFtk（已安裝）
Tesseract OCR
- Windows：從 Tesseract GitHub 下載頁面下載並安裝。
- macOS/Linux：
```
brew install tesseract
```
Poppler（pdftoppm 和 pdftotext）
- 用於將 PDF 頁面轉為影像格式，方便 OCR 處理。
- Windows：從 Poppler for Windows 下載並設定 PATH。
- macOS/Linux：
```
brew install poppler
```

📌 PDFtk + Tesseract + Poppler：OCR 工作流程

使用 PDFtk 分割 PDF 頁面
將每頁 PDF 轉為影像格式（如 PNG）
使用 Tesseract OCR 將影像轉為文字
將 OCR 結果合併成文字型 PDF

📌 步驟詳解與範例

步驟 1：使用 PDFtk 分割 PDF

假設我們有一個影像型 PDF 檔案：scanned_document.pdf。
指令：
```
pdftk scanned_document.pdf burst
```
效果：這會將每一頁分割成單獨 PDF（pg_0001.pdf、pg_0002.pdf...）。

步驟 2：將 PDF 頁面轉為影像格式

使用 pdftoppm 將分割的 PDF 頁面轉為 PNG 影像。
指令：
```
pdftoppm pg_0001.pdf page_0001 -png
```
效果：這會將 PDF 第一頁轉成影像檔 page_0001.png。

步驟 3：使用 Tesseract 進行 OCR

對影像檔執行 OCR：

tesseract page_0001.png page_0001_ocr -l eng --dpi 300 pdf

解釋：
- -l eng：使用英文語言庫（可更改為其他語言）。
- --dpi 300：設定 DPI 為 300，提升識別效果。
- pdf：輸出格式為 PDF。
效果：產生 page_0001_ocr.pdf，這是已進行 OCR 的文字型 PDF。

步驟 4：合併所有 OCR PDF

如果你有多頁 PDF，可以將它們合併為單一 PDF：

pdftk page_0001_ocr.pdf page_0002_ocr.pdf cat output final_ocr_document.pdf

效果：這會將所有 OCR 處理過的頁面合併成一個完整的文字型 PDF。

📌 自動化腳本（進階）

如果你需要處理大量 PDF，可以考慮使用 Bash 腳本（Linux/macOS）或批次檔（Windows）來自動化流程。

範例：Bash 腳本

#!/bin/bash

# 檢查是否提供 PDF 檔名
if [ -z "$1" ]; then
  echo "請提供 PDF 檔案名稱。"
  exit 1
fi

# 變數設置
input_pdf="$1"
output_pdf="ocr_$1"
mkdir temp_ocr

# 使用 PDFtk 分割 PDF
pdftk "$input_pdf" burst output temp_ocr/page_%04d.pdf

# 將每一頁進行 OCR
for file in temp_ocr/*.pdf; do
  page=$(basename "$file" .pdf)
  pdftoppm "$file" temp_ocr/$page -png
  tesseract temp_ocr/${page}-1.png temp_ocr/${page}_ocr -l eng --dpi 300 pdf
done

# 合併所有 OCR 頁面
pdftk temp_ocr/*_ocr.pdf cat output "$output_pdf"

# 清理暫存檔
rm -rf temp_ocr
echo "OCR 完成，輸出檔：$output_pdf"

如何使用：
1. 將上述腳本儲存為 ocr_pdf.sh。
2. 賦予可執行權限：
```
chmod +x ocr_pdf.sh
```
3. 執行腳本：
```
./ocr_pdf.sh your_scanned_document.pdf
```
效果：會自動將你的影像型 PDF 轉為文字型 PDF，並輸出為 ocr_your_scanned_document.pdf。

📌 這樣的腳本應用優點

可處理大量 PDF。
可輕鬆改成批次檔（Windows）。
可調整 Tesseract 語言庫，支援多語言 OCR（如繁中、簡中）。

📌 Windows 批次檔：PDFtk + Tesseract OCR 自動化

📌 檔案名稱：OCR_PDF.bat

這個批次檔會自動：

使用 PDFtk 分割 PDF 頁面。
使用 Poppler 將每頁轉為 PNG 影像。
使用 Tesseract OCR 進行辨識。
合併所有 OCR 頁面為文字型 PDF。

📌 批次檔內容

@echo off
setlocal enabledelayedexpansion

:: 檢查 PDFtk, Tesseract, 和 Poppler 是否已安裝
where pdftk >nul 2>&1 || (echo PDFtk 未安裝，請確認已安裝並設定環境變數 & exit /b)
where tesseract >nul 2>&1 || (echo Tesseract 未安裝，請確認已安裝並設定環境變數 & exit /b)
where pdftoppm >nul 2>&1 || (echo Poppler 未安裝，請確認已安裝並設定環境變數 & exit /b)

:: 請使用者選擇 PDF 檔案
set /p input_pdf=請輸入要進行 OCR 的 PDF 檔案名稱（包括副檔名）：
if not exist "%input_pdf%" (
    echo 找不到檔案：%input_pdf%
    exit /b
)

:: 建立臨時資料夾
set temp_dir=temp_ocr
mkdir %temp_dir%

:: 使用 PDFtk 分割 PDF 頁面
pdftk "%input_pdf%" burst output %temp_dir%\page_%%04d.pdf

:: OCR 每一頁
for %%f in (%temp_dir%\*.pdf) do (
    set filename=%%~nf
    pdftoppm "%%f" "%temp_dir%\!filename!" -png
    tesseract "%temp_dir%\!filename!-1.png" "%temp_dir%\!filename!_ocr" -l eng --dpi 300 pdf
)

:: 合併所有 OCR 文字型 PDF
pdftk %temp_dir%\*_ocr.pdf cat output "OCR_%input_pdf%"

:: 清理臨時資料夾
rmdir /s /q %temp_dir%

echo OCR 完成，輸出檔：OCR_%input_pdf%
pause

📌 使用說明

將這段程式碼儲存為 OCR_PDF.bat。
確保你已安裝：
- PDFtk Server 並已設定在環境變數中。
- Tesseract OCR 並已設定在環境變數中。
- Poppler（pdftoppm） 並已設定在環境變數中。
將要進行 OCR 的 PDF 檔案與批次檔放在同一資料夾中。
雙擊 OCR_PDF.bat，並輸入 PDF 檔案名稱（含副檔名）。

📌 使用範例

假設你有一個名為 scanned_document.pdf 的影像型 PDF：

將 scanned_document.pdf 與 OCR_PDF.bat 放在同一資料夾。

雙擊 OCR_PDF.bat，輸入：

mathematica

請輸入要進行 OCR 的 PDF 檔案名稱（包括副檔名）：scanned_document.pdf

程式會自動：
- 分割 PDF 為單獨頁面。
- 將每頁轉為 PNG 影像。
- 使用 Tesseract OCR 進行辨識。
- 將所有 OCR 頁面合併為單一文字型 PDF，檔名為 OCR_scanned_document.pdf。

📌 可調整選項

語言設定：
- 預設為英文（-l eng）。如需其他語言（如繁中），請下載 Tesseract 語言庫，並修改這一行：
```
batch

tesseract "%temp_dir%\!filename!-1.png" "%temp_dir%\!filename!_ocr" -l chi_tra --dpi 300 pdf
```
DPI（解析度）：

預設為 300 DPI，可視需求調整：
```
--dpi 300
```

First Post : 2025/05/16

深入了解 PDF 檔案格式及應用

或許你曾經有過這個疑問，為什麼有些可以直接做文字選取，有些卻沒有辦法；這是什麼原因呢？

PDF 檔案之所以有些可以直接選取文字，有些卻無法選取，主要原因在於 PDF 檔案的「內容結構」不同：

1. 可選取文字的 PDF

文字型 PDF（Text-based PDF）：這種 PDF 是由文字檔（如 Word、Excel）或其他數位文件轉成的。它包含實際的文字數據，因此可以直接選取、複製和搜尋。
特徵：文字會被視為可編輯的數據，且可以被 OCR（光學字符辨識）工具識別。

2. 無法選取文字的 PDF

影像型 PDF（Image-based PDF）：這種 PDF 是將實體文件（如掃描的紙本文件）以影像形式儲存，因此文件中的文字只是圖片的一部分，無法直接選取或編輯。
特徵：即使文字看起來像是文字，但實際上它是圖片中的像素，無法直接選取。

3. 混合型 PDF（Hybrid PDF）

部分區域是文字型，部分是影像型。例如，一些掃描後使用 OCR 處理過的 PDF，雖然表面上看起來是可選取的文字，但如果 OCR 未正確處理，可能有部分區域仍然是影像。

要如何將影像型 PDF 轉為可選取文字的 PDF？

使用 PDF 編輯軟體（如 Adobe Acrobat Pro）進行 OCR（光學字符辨識）。
在線工具（如 Google Drive 的 PDF OCR 功能）也可以做到。

既然有這些不同類型的PDF，是不是有什麼方法可以直接檢查它的檔案格式 flie format ?

你可以使用多種方法來檢查 PDF 檔案格式，並確定它是 文字型 PDF、影像型 PDF 還是 混合型 PDF：

方法 1：使用 PDF 讀取器或編輯器

Adobe Acrobat Pro：開啟 PDF 後，選取文字。如果可以選取並複製，那它是文字型 PDF。
檢查內容分層：
- 使用 「檢視」>「檢查 PDF」 或 「內容」面板 查看 PDF 的內容結構。
- 如果你看到文字圖層（Text Layer），代表是文字型 PDF。

方法 2：透過 PDF 軟體的屬性檢查

在 Adobe Acrobat Pro，選擇 「檔案」>「屬性」（File > Properties）。
在「描述」頁面中，查看「製作者」欄位：
- 如果是掃描軟體（如「Scanner」或「Image」），可能是影像型 PDF。
- 如果顯示如「Microsoft Word」或「Acrobat PDF」，則通常是文字型 PDF。

方法 3：檢查 PDF 原始碼（進階）

使用文字編輯器（如 Notepad++ 或 VS Code）開啟 PDF。
搜尋以下關鍵字：
- /Font：代表 PDF 中包含文字數據。
- /Image 或 /XObject：表示 PDF 包含影像。
如果同時有 /Font 和 /Image，那可能是混合型 PDF。

方法 4：使用線上工具

有些線上工具（如 PDF24 或 SmallPDF）可以自動檢測你的 PDF 是文字型還是影像型。

方法 5：透過指令列（進階）

在 Linux 或 macOS 上，你可以使用 pdfinfo 命令來檢查 PDF 屬性：
```
pdfinfo filename.pdf
```
這會顯示 PDF 的創建軟體、版本等信息。

有一些具體的工具，可以簡化檢查 PDF 檔案格式（文字型、影像型或混合型）的流程：

📌 桌面軟體

Adobe Acrobat Pro DC（Windows/macOS）
- 檢查方法：開啟 PDF，嘗試選取文字。如果無法選取，則為影像型 PDF。
- 進階檢查：
  - 選擇「檔案 > 屬性」檢查 PDF 檔案的製作者和格式資訊。
  - 使用「編輯 PDF」功能檢測是否需要 OCR。
PDF-XChange Editor（Windows）
- 檢查方法：開啟 PDF，嘗試選取文字。
- 進階檢查：
  - 使用「檢視 > 文件層」來查看文件結構（文字層或影像層）。
  - 支援內建 OCR 功能，可將影像型 PDF 轉為文字型 PDF。
Foxit PDF Editor（Windows/macOS）
- 檢查方法：開啟 PDF，嘗試選取文字。
- 進階檢查：
  - 「檔案 > 屬性」中查看「內容」選項。
  - 可進行 OCR，將影像型 PDF 轉為文字型 PDF。

📌 線上工具

SmallPDF（https://smallpdf.com/ocr-pdf）
- 檢測方法：上傳 PDF，進行 OCR 轉換。如果能檢測文字，那它原本是影像型 PDF。
- 優點：無需安裝軟體，快速且支援多種格式。
PDF24 Tools（https://tools.pdf24.org/）
- 檢測方法：提供「檢查 PDF」或「OCR」功能。
- 優點：免費使用，可快速識別 PDF 類型並轉換。
Google Drive + Google Docs
- 檢測方法：將 PDF 上傳至 Google Drive，右鍵點選「以 Google 文件開啟」。
- 優點：如果文字可直接編輯，則是文字型 PDF。否則是影像型 PDF。

📌 開源工具（進階）

PDFtk（Windows/macOS/Linux）
- 檢測方法：使用指令列查看 PDF 元數據。
- 進階：可分解 PDF 結構檔案檢查內容類型。
Poppler（pdftotext & pdfimages，Windows/macOS/Linux）
- 檢測方法：使用 pdftotext 來將 PDF 轉為文字檔，如果輸出為空，則是影像型 PDF。
- 範例指令：
```
pdftotext yourfile.pdf -
```
ExifTool（Windows/macOS/Linux）
- 檢測方法：檢查 PDF 的元數據。
- 範例指令：
```
exiftool yourfile.pdf
```

📌 建議使用情境

快速檢查 PDF：使用 SmallPDF 或 PDF24 Tools（線上工具）。
進階檢查並編輯 PDF：使用 Adobe Acrobat Pro 或 PDF-XChange Editor。
大量 PDF 檢測與批次處理：使用 Poppler（指令列）或 ExifTool。

這些工具能讓你快速檢測 PDF 類型，你希望我幫你整理一個 PDF 格式檢查的詳細教學指南嗎？（含圖文說明）

First Post : 2025/05/16

圖表：易經64卦匯總表

六十四卦可以藉由六個數字長度的二進位字元來表示。

但在各種不同的變化中，諸如錯卦、互卦、綜卦/覆卦、各式應卦的變化，會造成衆多的組合，不易記憶。

筆者特別使用 Excel 加以列表，並配合 VBA 函式的撰寫，做出此易經64卦匯總表供大衆參考。

後續找空，再跟大家介紹此表如何產生！

First Post : 2025/05/09

訂閱：文章 (Atom)

網頁

爲什麽複製貼上到 VBA 程式碼的中文註解會變成“亂碼”？

PDFtk（PDF Toolkit）介紹

📌 PDFtk 安裝

Windows

macOS / Linux

📌 PDFtk 基本使用方法

1. 檢查 PDF 屬性

2. 分割 PDF

3. 合併 PDF

4. 提取特定頁面

5. 加密 PDF

6. 檢查 PDF 是否是文字或影像型

📌 更進階應用：批次處理

使用 PDFtk 與 OCR 工具將影像型 PDF 轉為文字型 PDF

📌 必備工具

📌 PDFtk + Tesseract + Poppler：OCR 工作流程

📌 步驟詳解與範例

步驟 1：使用 PDFtk 分割 PDF

步驟 2：將 PDF 頁面轉為影像格式

步驟 3：使用 Tesseract 進行 OCR

步驟 4：合併所有 OCR PDF

📌 自動化腳本（進階）

範例：Bash 腳本

📌 這樣的腳本應用優點

📌 Windows 批次檔：PDFtk + Tesseract OCR 自動化

📌 檔案名稱：OCR_PDF.bat

📌 批次檔內容

📌 使用說明

📌 使用範例

📌 可調整選項

深入了解 PDF 檔案格式及應用

1. 可選取文字的 PDF

2. 無法選取文字的 PDF

3. 混合型 PDF（Hybrid PDF）

方法 1：使用 PDF 讀取器或編輯器

方法 2：透過 PDF 軟體的屬性檢查

方法 3：檢查 PDF 原始碼（進階）

方法 4：使用線上工具

方法 5：透過指令列（進階）

📌 桌面軟體

📌 線上工具

📌 開源工具（進階）

📌 建議使用情境

圖表：易經64卦 匯總表

圖表：易經64卦匯總表