# 如何从 PDF 复制文字（以及为什么有时复制出来是空的）

> 有时从 PDF 复制文字一切顺利。有时什么都复制不到，或者得到一长串顺序古怪的词。原因和对策都在这里。

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](https://pdfjade.com/zh/pdf-to-text) 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](https://pdfjade.com/zh/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。

## 常见问题

### 能从扫描版 PDF 中提取文字吗？

不能直接提取，因为扫描件只包含图片。先用 OCR PDF 让它可搜索，再提取文字。

### 会保留格式吗？

不会。结果是纯文本：没有粗体、字体和表格。正因如此，它才能粘贴到任何地方。

Source: https://pdfjade.com/zh/guides/copy-text-from-a-pdf