如何找出无法在 PDF 中搜索文本的原因（并使其可搜索）

Question

我有一篇 PDF 文章（不是我创建的）。但是，我无法在 PDF 中搜索文本。我尝试过的所有 PDF 查看器对于其中明显存在的单词都返回零结果。我尝试过使用 Adob​​e Acrobat Professional 8、SumatraPDF 和 Google Chrome。

如何找出无法搜索文档的原因？

我检查过的东西：

• PDFproducer 报告为“pdftopdf”，而 PDf 版本报告为 1.3。然而，它似乎是用 MSWord 或 OpenOffice（但不是 *TEX）之类的东西创建的。
• 它绝对不是扫描的文档，因为字体在所有缩放级别都清晰清晰，并且文本是可选的。
• 如果我查看安全设置（ctrl-D在 Adob​​e Acrobat 中），则允许进行所有操作（例如打印、复印等）。
• 我的搜索选项没有打开“匹配大小写”
• 我无法使用 Acrobat 的“使用 OCR 识别文本”将其转换为可搜索文档，因为它报告：“此页面包含可呈现的文本”。

那么，DPF 不可搜索的其他原因可能是什么？以及如何使其可文本搜索？

Answer 1

• 它可能具有自定义字体编码，以与已建立的编码（例如 ASCII 或 UTF-8/Unicode）不兼容的方式为字符分配代码点。

• 它可能会不按顺序单独呈现字符

• 它可能已将字符扁平化为路径

请参阅堆栈溢出问题如何调试 PDF 文件？以及现在删除的PDF 字体编码——为什么我不能从 PDF 复制文本？

要使其可进行文本搜索，最好的方法可能是返回原始来源（例如 Word 文档）并使用不同的过程来生成 PDF。或者，您可以尝试将当前的 PDF 渲染为位图，然后使用 OCR，但这会很乏味并且会产生较差的结果。