pdf到word转换显示垃圾内容

Question

我有一个没有复制限制的公共(public) PDF。但是，当我尝试将 PDF 中的文本复制到 Word 中时，我只会得到无法阅读的乱码(如方框和符号)。

我尝试更改字体，但这也不起作用。我不明白是什么导致了这个问题。

我还搜索了一些在线工具，但似乎都不起作用。

有什么帮助或想法吗？

干杯。

Answer 1

如果您尝试的每个(在线)工具都无法处理此文档，有两个选择:

1. 每个工具都是错误的
2. 您的文档有误

我认为结论 2 是有道理的。 但是，请允许我解释一下可能的罪魁祸首。

首先，您应该将 pdf 文档视为说明的容器，而不是所见即所得的文档。所以提取文本已经是一件不简单的事情了。

但是这里的问题似乎是编码问题。 您的文档包含诸如“在位置 10、50 处绘制 Í”之类的说明。 (我使用阿拉伯文本作为示例。)

如果没有任何进一步的信息，查看者(例如 Adob​​e)将很难知道如何处理复制粘贴功能。您系统上的复制粘贴缓冲区不使用字形，而是使用 unicode。

换句话说，在复制粘贴时，Adobe 必须尝试将字形转换为实际的 unicode。

通常，字体包含有帮助的信息。我们称之为“toUnicode”映射。 它告诉系统某些字形如何与某些字符匹配。

如果您的字体不包含这种映射，使用该字体将阻止您正确地进行复制粘贴。不过，也有一些程序会故意生成错误的 toUnicode 映射(作为防止从该文档复制粘贴的一种方法)。