可以采用ORC文字识别软件来提取,常见的软件有：
中文识别：清华文通TH-OCR XP(8.0)；汉王文本王5800；尚书七号OCR.
英文识别：ABBYY FineReader70pro；Cuneiform pro v6；Scansoft OmniPage SE；Scansoft PaperPort v9.0.
中英文混合识别：清华文通TH-OCR XP(8.0)；汉王文本王5800；尚书七号OCR.
中文识别：汉王文本王5800更好一些.
中英文混合识别方面：TH-OCR XP(8.0)识别率更高一些,汉王文本王5800稍差一些,尤其是o与0识别出错时更多,但版面还原和纯中文识别率比较好.
纯英文识别方面：Cuneiform pro v6识别速度最快,ABBYY FineReader70pro版面还原识别率比较好；Scansoft PaperPort v9.0处理图像能力强.
以上目前网上都有破解版本.
清华文通TH-OCR9.0和汉王文本王6800目前网上都没有破解版本.
