選擇 PDF 中的文本，將其複製並貼上到 Word 中應該會產生相同的文本。相反，換行符號出現在句子中間。特殊字元變成垃圾符號。字體改變。整齊對齊的段落變成了硬回車和隨機間距的鋸齒狀混亂。從技術上講，文字是存在的，但格式已被破壞。
PDF 被設計為在任何地方看起來都一樣。它們並非設計為可編輯的。複製貼上暴露了這種權衡。
了解在 PDF 到 Word 複製操作期間文字變更的原因有助於您在修復貼上的文字、使用適當的轉換工具或返回原始文件之間進行選擇。 WukongPDF 的PDF 格式 轉換工具可以正確處理提取，完全避免複製貼上問題。
PDF 如何儲存文字與如何顯示文字
在 PDF 中，文字儲存為座標網格上的單一字元位置。每個字元都有一個 X 和 Y 位置。單字 hello 可能是五個獨立的字元：h at (100,200)、e at (108,200)，依此類推。觀看者將它們呈現為一個單詞，因為它們在相同的 Y 座標處彼此相鄰。當您複製和貼上時，接收應用程式會從這些單獨的位置重建單字和句子。
重建演算法根據間距猜測單字和行的開始和結束位置。大於正常的字間距可能會被解釋為換行符。具有可變間距的對齊段落會混淆演算法，導致隨機插入中斷。連字、連接字元（如 fi 和 fl）可能缺少 Unicode 等效項，從而在貼上的輸出中產生缺少或替換的字元。
為什麼換行符號會出現在句子中間
句子中間出現的硬換行是最常見的複製貼上現象。 PDF 將文字儲存在與頁面版面配置相符的行中。從一條視線到下一條視線的句子換行儲存為兩組獨立的字元位置。複製演算法會看到一條視線的末端與下一條視線的開頭之間的間隙，並插入段落分隔符號。
在 Word 中手動修復這些分隔符號意味著刪除每個不需要的分隔符號並新增一個空格。以一個段落來說，是一個小煩惱。對於 50 頁的文檔，浪費了一個小時的時間。從字元位置重建段落的 PDF 到 Word 轉換器可以正確處理此問題，連接換行文字並僅在實際段落邊界插入分隔符號。
特殊字元和字體替換問題
PDF 可以使用複製電腦上未安裝的字型。當複製操作遇到不可用字型中的字元時，它會取代後備或完全刪除該字元。重點變成了問號。破折號變成空盒子。彎引號變成直引號或消失。文字存在於 PDF 中，但無法在貼上目標中表示，因為字元編碼未清晰映射。
嵌入字體可以防止顯示問題，但複製貼上不會傳輸嵌入字體。目標應用程式使用自己的字體，這些字體可能缺少特定字元或對它們進行不同的編碼。適當的 PDF 到 Word 轉換工具比系統剪貼簿更聰明地處理字體映射，將 PDF 字體編碼轉換為 Unicode 並保留每個字元。
| 複製貼上問題 | 原因 | 如何避免 |
|---|---|---|
| 隨機換行 | PDF 按視線儲存文本，而不是段落 | 使用 PDF 到 Word 轉換器而不是複製貼上 |
| 特殊字元亂碼 | 字體在系統上不可用，編碼不匹配 | 確保來源 PDF 使用嵌入字體，或使用轉換器 |
| 缺少連字（fi、fl、ff） | 連字字形沒有單一的 Unicode 等效項 | 使用將連字分解為單獨字元的轉換器 |
| 格式遺失（粗體、斜體） | PDF 中的格式與文字分開存儲 | 接受複製貼上會丟失格式這一事實；使用轉換器 |
| 文字順序錯誤 | 多列或複雜的佈局使提取變得混亂 | 使用具有佈局檢測功能的轉換器 |
使用 PDF 到 Word 轉換而不是複製貼上
轉換工具可以讀取 PDF 的內部結構並以剪貼簿無法做到的方式重建段落、表格和格式。輸出的 Word 文件保留文字流、將標題維護為 Word 樣式並保持表格可編輯。轉換所需的點擊次數與複製貼上相同，並產生需要一小部分清理的結果。
WukongPDF 的轉換工具會自動處理此重建。上傳 PDF，選擇 Word 作為輸出格式，然後下載結構正確的文件。轉換所需的幾秒鐘在節省的清理時間中得到了回報。對於任何長度超過一頁的文檔，從 PDF 轉換為可用的 Word 文件的總時間比複製貼上要快。
處理非標準編碼和從右到左的文本
從舊系統或非拉丁腳本創建的 PDF 帶來了額外的複製貼上挑戰。包含阿拉伯語、希伯來語、中文或日文文字的文件使用系統剪貼簿可能無法正確解釋的編碼方案。由於 PDF 檢視器具有必要的字體和編碼表，因此視覺文字可以在螢幕上正確呈現。缺少這些表的剪貼簿會產生完全亂碼的輸出。
為多語言 PDF 設計的轉換工具包括剪貼簿所缺乏的編碼檢測。他們分析 PDF 的字體編碼表，將字形索引映射到正確的 Unicode 代碼點，並輸出正確編碼的文字。對於包含混合語言內容、帶有阿拉伯腳註的英文正文、圖表上的中文標籤的文檔，多語言感知轉換器至關重要。剪貼簿方法至少在一種語言上會失敗，通常在所有語言上都會失敗。
當源應用程式是更好的選擇
最乾淨的 Word 文件來自創建 PDF 的應用程式。如果 PDF 是從 Word 匯出的，請重新開啟原始 Word 檔案。如果它是從 Google 文件匯出的，請下載為 Word 文件。來源應用程式具有 PDF 扁平化後的原始格式、樣式和結構。
PDF 是一種分發格式，而不是編輯格式。它們被設計為在任何地方看起來都相同，不能修改。當需要編輯時，返回來源。當來源不可用且您只有 PDF 時，請使用適當的轉換工具，而不是複製貼上。該工具是為此任務而建構的。剪貼簿不是。