☰

PDF 中的文本在复制时变成乱码，但显示正常

tag-icon • tag-icon pdf printing adobe-acrobat unicode adobe-indesign
PDF 中的文本在复制时变成乱码，但显示正常

我们是一小群人，致力于在印度推广 Unicode（传统编码在这里根深蒂固）。但是，当我将任何印度语言的 Unicode 文本文档转换为 PDF 格式时，我遇到了一个问题。文本按预期显示，但在复制粘贴时，部分内容变成了乱码。

我在 Win 7 上使用 inDesign CC 进行排版。我可以顺利导出为 epub 格式。但导出的 PDF 有这个问题。我也尝试过使用 Adob​​e PDF 打印机和 PrimoPDF 进行打印，但情况更糟。在互联网上查看 PDF 时，发现所有此类 unicode 编码的印度 PDF（可能还有所有东亚复杂文字）都存在这个问题。这是 PDF 规范的问题吗？

点击此处查看 PDFhttp://www.rajbhasha.nic.in/pdf/dolebook-4.pdf

复制任意文本并与原文匹配，您会看到字符被其他字符替换，并且出现了不必要的空白。

现在我们正在推广 unicode，因为它将使复制粘贴和搜索/索引变得更容易。这个问题完全破坏了这一点。有什么想法吗？

答案1

我使用以下方法解压了 pdfmutool clean并查看了。问题似乎是，正如这stackoverflow 问题，很难对字体使用 unicode 编码。因此，PDF 包含的字体使用不同的编码。但是，它还包含/ToUnicode每种字体的对象，这些对象具有从字体字形到 unicode 字符的复杂映射。

现在许多 PDF 查看器（例如xpdfLinux 上的）似乎不关注这种复杂的映射（或者至少不关注具有如此复杂性的映射，尽管它们可能处理更简单的映射），这就是为什么在尝试复制和粘贴时会出现乱码的原因。但是，使用其他 PDF 查看器（例如mupdf) 它确实有效，正如我所证实的。

所以问题出在 PDF 查看器上，而不是文档上。此外，PDF 和 unicode 不能很好地结合在一起，从进行翻译所需的复杂手段可以看出。

可能的解决方案：(1) 向 PDF 查看器的开发人员施压，要求他们完全支持\ToUnicode映射。对于开源的 PDF 查看器，也许您可​​以自己修复它们。(2) 推广使用支持映射的特定 PDF 查看器。(3) 尝试在 PDF 中使用字形编码与 unicode 编码匹配的字体。这似乎可以通过 16 位 unicode 代码点实现（据我所知，印度字符似乎是 16 位的），但我不知道这样做效果如何，或者您应该使用哪个应用程序来生成此类 PDF。

相关内容