文字版pdf为何不能复制？

eeshu · 发表于 2016-5-20 22:42:56

本帖最后由 eeshu 于 2016-5-21 09:02 编辑

手上有一份pdf文件，没有加密，非图片版本，文字可编辑，显示正常，但是复制粘贴到word里就全变成了方框框。我觉得可能是pdf文件内嵌了某种我系统未装的字体，但是按照属性中显示的字体上网搜索却又找不到相应字体。请问何故，有无解决方法？希望大神指津。谢谢。

附件是该文件

644830104 · 发表于 2016-5-20 23:56:08

可以试试这两种方式：1.pdf密码破解 2.OCR

eeshu · 发表于 2016-5-21 08:39:42

本帖最后由 eeshu 于 2016-5-21 09:03 编辑

644830104 发表于 2016-5-20 23:56
可以试试这两种方式：1.pdf密码破解 2.OCR

谢谢你。不好意思没说清楚，原文件没有加密。不是图片格式，无需ocr。我已附上了原文件。

meigen · 发表于 2016-5-21 09:05:41

ExtractPDF.com

xzqxq · 发表于 2016-5-21 09:10:28

应该是加密了，或者设置为禁止复制、粘贴的。

eeshu · 发表于 2016-5-21 09:30:40

meigen 发表于 2016-5-21 09:05
ExtractPDF.com

谢谢你。这个方法不行，text提取后显示的是乱码，见下图所示

而且，我主要是想边看编做笔记，有时候需要从文件中复制一些文字出来，并非是要将整个文件的内容全部提取出来。

eeshu · 发表于 2016-5-21 09:32:20

xzqxq 发表于 2016-5-21 09:10
应该是加密了，或者设置为禁止复制、粘贴的。

谢谢你。应该没有加密，能复制粘贴，只不过是显示乱码。

deeke · 发表于 2016-5-21 09:46:48

好像文档中每个字母都被一个透明的 "?" 覆盖着，你搜索 ? 应该能看到。

deeke · 发表于 2016-5-21 09:48:41

书的第二页第三页都可以正常复制、粘贴。

eeshu · 发表于 2016-5-21 09:56:13

deeke 发表于 2016-5-21 09:48
书的第二页第三页都可以正常复制、粘贴。

嗯，我知道。可是其他页都不能。

eeshu · 发表于 2016-5-21 09:58:21

deeke 发表于 2016-5-21 09:46
好像文档中每个字母都被一个透明的 "?" 覆盖着，你搜索 ? 应该能看到。

没看到？。不过，我还有一个文件也是类似情形，显示完美，复制后不是方框了，全是空白。

deeke · 发表于 2016-5-21 10:24:41

本帖最后由 deeke 于 2016-5-21 10:26 编辑

eeshu 发表于 2016-5-21 09:58
没看到？。不过，我还有一个文件也是类似情形，显示完美，复制后不是方框了，全是空白。

这个文档内嵌字体。

文章第一个字母 “A” 对应编码是 U+F0DF，正常应该是 U+0041
F0DF在编码表里属于私有区，厂商或个人都可以用这个区域的编码做一套专用字体。

前段时间 MWALD online 的喇叭图标就属于 fort awesome 的专用字体。

eeshu · 发表于 2016-5-21 10:35:20

deeke 发表于 2016-5-21 10:24
这个文档内嵌字体。

文章第一个字母 “A” 对应编码是 U+F0DF，正常应该是 U+0041

大概懂了是什么意思。但是，有什么办法可以解决吗？

deeke · 发表于 2016-5-21 10:53:29

我不知道囧rz 不知道有没有什么办法可以把 pdf 解包变成源文件。

vbnet · 发表于 2016-5-21 11:21:45

本帖最后由 vbnet 于 2016-5-21 11:23 编辑

原始作法

pdf--->png--->ocr--->校对---->doc

看了一下，ocr时，一些空格会被吃掉，致使2个字连在一起

ocr某些页面提示错误

eeshu · 发表于 2016-5-21 11:39:01

vbnet 发表于 2016-5-21 11:21
原始作法

谢谢，我已经尝试过这个方法了，可行的。只是ocr后的文件且不说显示效果明显不如原文件，也凭空大出不少，所以我才请教诸位有没有办法取得原文件那样的显示效果的同时还能复制里面的内容。看来希望渺茫啊。

vbnet · 发表于 2016-5-21 16:57:50

eeshu 发表于 2016-5-21 11:39
谢谢，我已经尝试过这个方法了，可行的。只是ocr后的文件且不说显示效果明显不如原文件，也凭空大出不少 ...

字体作怪

ncq001 · 发表于 2016-5-23 11:06:07

这个用Acrobat Pro 按300DPI 打印，再用ABBYY来OCR处理的文件你看是不是可用

A Look From Its Fringes And Its Components_DPI300.rar (468.23 KB, 下载次数: 1)

jasonvzx · 发表于 2016-5-23 12:38:37

identity-h，双字节编码。

eeshu · 发表于 2016-5-23 16:17:57

ncq001 发表于 2016-5-23 11:06
这个用Acrobat Pro 按300DPI 打印，再用ABBYY来OCR处理的文件你看是不是可用

谢谢你。我试试。

eeshu · 发表于 2016-5-23 16:18:47

jasonvzx 发表于 2016-5-23 12:38
identity-h，双字节编码。

什么意思？看不懂。愿闻其详。

jasonvzx · 发表于 2016-5-23 23:04:03

eeshu 发表于 2016-5-23 16:18
什么意思？看不懂。愿闻其详。

说起来有点复杂，价值也不大。18楼说的是比较合适的方法。

[求助] 文字版pdf为何不能复制？