某些 PDF 文件会产生乱码（“莫吉巴克“）当您复制文本时（即使它们渲染正常）。这使得无法搜索它们（无论您搜索什么都不会匹配垃圾）。
有人有简单的解决方法吗？
例子：
- TEAC 电视手册 EU2816STF（在 Windows 和 Mac 上的 Adobe Reader 中均会出现上述问题，但在 Mac 上的 Preview 中运行良好）
- Leadtek Winfast PVR2 手册（FTP 链接；在 Mac 上的预览中也存在问题）
- Swann 电视调谐卡手册（FTP 链接；在 Mac 上的预览中也存在问题）
- Phonedisc 许可协议（来自现已不复存在的糖尿病管理协会）
- 麦格理 IFP 季度基金评论
- BAN-TACS 小型企业手册（存档版本）
- 2004 年复活节盛会传单（同样来自档案）
我正在使用适用于 Windows 的 Adobe Reader（最新版本）——也许其他查看器可能会有帮助？我正在寻找适用于 Windows 的免费解决方案。开源会更好。
编辑：多价文档提取文本工具对为什么会出现问题有一个很好的总结，包括：（引用文件最后修改于 2006 年 1 月）
- 文本可能没有 Unicode 映射。PDF Type 3 字体通常没有，而 TeX DVI 的字符没有 Unicode 对应字符。
- Unicode 编码可能有问题。Open Office 将一些字符映射到相同的 Unicode，导致明显的字母丢失和重复。
我猜想这些情况下的最终解决方案是对字体中的每个字形进行 OCR 处理，以找出它到底是什么字符。请注意，这比对有噪声的扫描文档进行 OCR 处理更容易，因为字形的确切形状是可用的（因为它是“矢量”图像，所以分辨率无限）。
答案1
答案2
解决此问题的最简单方法是打开文件最新版本的 Google Chrome 内置了 PDF 阅读插件。然后您可以使用 Chrome 的搜索功能查找文本，并且复制粘贴可以正常进行。
答案3
为了电视手册示例：Mac 上的 Adobe Reader 8.1.2 也存在同样的问题，但是不使用 Mac 的预览功能复制或搜索文本时出现问题。此外，将其发送到 Gmail 帐户，然后选择“查看”，再选择“纯 HTML”，即可显示文本。但 Adobe Reader 不喜欢它。
其文档属性显示字体的“编码：自定义”。其他文档显示“编码：Ansi”或“Roman”之类的内容，并且在 Mac 上的预览和 Adobe Reader 中都没有问题：
然而，两者丽台和斯旺示例在 Mac 上的预览和 Gmail 中也会出现问题，并且都显示“编码：Identity-H”。电话唱片测试也失败，显示“编码：自定义”。
令人困惑，而且不一致，但一些 Adobe 论坛我发现以下解释完后还有显示“编码：自定义”的示例（重点是我的）：
查看 PDF 内部后发现，没有可用的编码信息（无论是在 PDF 中还是在嵌入的字体数据中）来推导文档页面上显示的字符/字形的含义。
字体实际上都是嵌入的，但所有编码信息都被删除了。这是一个典型的 PDF 示例，它在语法上完全符合 PDF 规范，但在制作 PDF 的过程中，有关文本含义的重要信息已被丢弃。据我所知，恢复编码信息非常困难。
这并不能解释为什么 Mac 的预览版（和显然当 Adobe Reader 出现故障时，即使使用“编码：自定义”，Infix 也能处理一些示例。也许当计算机本身恰好存在确切的字体时，预览不会出现问题？或者它只是猜测一种编码，这种编码恰好适用于部分文档，但不是全部文档？
无论是什么原因造成的：如果通过 Google Docs 或 Gmail 传递不起作用，那么最简单（但远非容易）的解决方法确实是保存为 TIFF，然后执行光学字符识别 (OCR). 服务包括印象笔记可能会即时执行（它对图像进行 OCR ；我怀疑它是否会对 PDF 进行 OCR）。
答案4
我无法下载文件 1，但可以使用 xpdf（一款快速且开源的 pdf 查看器）打开文件 2。我猜它不能处理表格，但对于纯文本和图形，我更喜欢它，因为它的启动时间很快。