pdf到word转换显示垃圾内容

Question

我有一个公共PDF没有复制限制。但是，当我试图将PDF中的文本复制到Word中时，我只会出现不可读的胡言乱语(比如框和符号)。

我试着改变字体，但这也没用。我不明白是什么引起了这个问题。

我还搜索了一些在线工具，但这些工具似乎都没有用。

有什么帮助或想法吗？

干杯。

Answer 1

如果您尝试的每个(联机)工具都无法处理此文档，则有两个选项：

1. 每一个工具都是错误的
2. 你的文件错了

我认为结论nr2是有道理的。但是，请允许我解释一下什么是罪魁祸首。

首先，您应该将pdf文档视为指令容器，而不是WYSIWYG文档。所以提取文本已经不是件小事了。

但这里的问题似乎是编码问题。您的文档中包含“在位置10，50处绘制ب”之类的说明。(我以阿拉伯语文本为例。)

如果没有任何进一步的信息，查看器(如Adobe)就很难知道如何处理复制粘贴功能。系统上的复制粘贴缓冲区不是使用符号，而是使用unicode。

换句话说，当复制粘贴时，Adobe必须尝试将象形文字转换为实际的unicode。

通常，字体包含有用的信息。我们称之为“toUnicode”地图。它告诉系统某些符号是如何与某些字符匹配的。

如果您的字体不包含这种映射，使用该字体将阻止您形成正确的复制粘贴。此外，还有一些程序故意生成错误的toUnicode地图(作为防止从文档中粘贴副本的一种方法)。