PDF 文件以文本格式存储不一致而臭名昭著：如果您在 Word/Writer 中编写一些文本，应用粗体、斜体等，将其打印为 PDF，然后在 Acrobat Reader DC 或任何其他查看器中打开此 PDF 并将文本复制回 Word，则很可能会发现至少有一些格式丢失。通常情况下，您只会得到纯文本。
我的问题是：我是否可以相信这个纯文本与原始文本完全相同（相同的 Unicode 字符，相同的顺序）或者它是否也会以某种不明显的方式被破坏？
答案1
不，PDF 有意将文本更改为“页面描述格式”，即 PDF。例如，即使未破将段落插入 PDF 时，在转换为页面格式时，通常会在每行末尾插入换行符，就像在该页面上显示的那样。
例如，在 PDF 阅读器的屏幕截图中，一个看似完整的段落，
当以文本形式查看时记事本++，
除了最后一行以外，在所有行的末尾显示回车符/换行符对。
将文本转换为 PDF 很容易；但从 PDF 转换回文本则比较麻烦。
答案2
你唯一能保证的是，PDF 在视觉上看与输入文档相同。PDF 是一种文档分发格式，而不是从一种格式转换为另一种格式。
举例来说，如果您的输入中包含多个文本框，这些文本框在 Word 的各个位置理论上是相互衔接的，那么您就无法保证输出中的文本块是链接的，甚至无法保证输出中的文本块是按相同的顺序排列的，尤其是在通过其他 PDF 查看器或编辑器保存时，这些查看器或编辑器可能会“优化”输出。
答案3
如果您需要将文件从 PDF 转换回来，机器创建的 PDF 文件是最好的选择，而且通常效果很好。
从打印/纸质文档扫描的 PDF 进行转换通常需要大量干预。
有些 OCR 应用程序可能更适合这类工作。