如何从 PDF 复制文字（以及为什么有时复制出来是空的）

能不能从 PDF 中取出文字，取决于这个 PDF 是怎么生成的。打开它，试着用鼠标选中一个词，就知道你属于哪种情况。

情况 1：可以选中文字

这个 PDF 包含真正的文字。PDF 转文本 会逐页读取，给你一个纯文本 .txt 文件，还有一个可以直接复制的文本框。如果需要知道每页从哪里开始（引用文档时很有用），请勾选 标记分页。

情况 2：什么都选不中

这个 PDF 是扫描件或照片。看起来像文字的东西其实是文字的图片，就像报纸的照片。提取不出任何东西，因为本来就没有可提取的。

你需要 OCR（光学字符识别）把图片还原成字符。先用 OCR PDF 处理文件：它会识别每页上的文字，并作为隐藏图层加进去。之后这个 PDF 就和普通 PDF 一样，PDF 转文本也能提取了。模糊或歪斜的扫描件会有一些错误，依赖结果前请核对人名和数字。

只要一段话时，手机更快：在 iPhone 上长按照片中的文字（实况文本）；安卓上 Google 智能镜头也能做到。

情况 3：文字出来了，但顺序乱了

PDF 保存的是每一小段文字及其在页面上的位置，而不是连续的段落。为了还原阅读顺序，提取器会把这些片段分组成行，再从上到下排序。普通页面效果很好，以下情况会差一些：

• 双栏排版，两栏的行可能交错在一起。
• 表格，会变成一行行数值，没有网格。
• 倾斜或沿曲线排列的文字。

短短一段，直接在阅读器里选中复制通常最干净，因为区域由你来选。整份文档就全部提取，再在文本编辑器里整理。

奇怪的字符

如果出现方框、问号，或用“fi”这样的连字代替“fi”，说明这个 PDF 使用的字体缺少正确的字符映射表。连字用查找替换就能快速修好；缺失的字符通常只有靠 OCR 才能恢复。