为什么从编译的pdf复制时“fi”不能分开？

Question 1

以下内容逐字摘自 TeX Book（第9 TeX 的罗马字体，第 51 页）：

\rm让我们从普通罗马字体（或）的规则开始\tenrm；除非您另有说明，否则普通 TeX 将使用此字体进行所有操作。您需要的大多数普通符号都很容易获得，您可以用普通方式输入它们：没有什么特别的

A致Z和a致的信z

数字09

常见标点符号: ; ! ? ( ) [ ] ‘ ’ - * / . , @

但 TeX 会将某些组合识别为连字

ff产量ﬀ

fi产量ﬁ

fl产量ﬂ

ffi产量ﬃ

ffl产量ﬄ

--产量–（短破折号）

---产生—（破折号）

‘‘产量“

’’产量”

!‘产量¡

?‘产量¿

当然，TeX 也为大多数重音符号写连字，例如\^o。理解连字的最佳方式是，它们代表字体中的单个字符。因此，MS Word 的“插入符号”对话框可能很好地代表了这一点：

请注意，有些符号出现在一个框中，这意味着它们“紧密相连”，代表排版输出中的单个字符（或连字符）。此外，这是字体特定的，不同的字体有不同的（或多或少）连字符。

Answer

以下内容逐字摘自 TeX Book（第9 TeX 的罗马字体，第 51 页）：

\rm让我们从普通罗马字体（或）的规则开始\tenrm；除非您另有说明，否则普通 TeX 将使用此字体进行所有操作。您需要的大多数普通符号都很容易获得，您可以用普通方式输入它们：没有什么特别的

A致Z和a致的信z

数字09

常见标点符号: ; ! ? ( ) [ ] ‘ ’ - * / . , @

但 TeX 会将某些组合识别为连字

ff产量ﬀ

fi产量ﬁ

fl产量ﬂ

ffi产量ﬃ

ffl产量ﬄ

--产量–（短破折号）

---产生—（破折号）

‘‘产量“

’’产量”

!‘产量¡

?‘产量¿

当然，TeX 也为大多数重音符号写连字，例如\^o。理解连字的最佳方式是，它们代表字体中的单个字符。因此，MS Word 的“插入符号”对话框可能很好地代表了这一点：

请注意，有些符号出现在一个框中，这意味着它们“紧密相连”，代表排版输出中的单个字符（或连字符）。此外，这是字体特定的，不同的字体有不同的（或多或少）连字符。

Question 2

cmap 包就是为解决这个问题而编写的。摘自文档：

cmap 包旨在使 pdflatex 生成的 PDF 文件在 acrobat reader 和其他兼容的 PDF 查看器中“可搜索和复制”。

只需在序言的开头放置 \usepackage{cmap} 行，它将预先加载文档中使用的字体所需的 CMap 翻译，前提是存在字体编码的 .cmap 文件。

CMap 包的当前版本包括以下 LaTeX 字体编码的 CMap 文件：T1、T2A、T2B、T2C、T5、OT1、OT1tt、OT6、LGR、LAE、LFE。

这对我有用：

\documentclass{article}
\usepackage{cmap}
\usepackage[T1]{fontenc}
\begin{document}
final
\end{document}

更新：Ulrike Fisher 在评论中表示 pdfglyphtounicode 更好，请参阅使 Linux Libertine 中的连字符可复制（和可搜索）

Answer

cmap 包就是为解决这个问题而编写的。摘自文档：

cmap 包旨在使 pdflatex 生成的 PDF 文件在 acrobat reader 和其他兼容的 PDF 查看器中“可搜索和复制”。

只需在序言的开头放置 \usepackage{cmap} 行，它将预先加载文档中使用的字体所需的 CMap 翻译，前提是存在字体编码的 .cmap 文件。

CMap 包的当前版本包括以下 LaTeX 字体编码的 CMap 文件：T1、T2A、T2B、T2C、T5、OT1、OT1tt、OT6、LGR、LAE、LFE。

这对我有用：

\documentclass{article}
\usepackage{cmap}
\usepackage[T1]{fontenc}
\begin{document}
final
\end{document}

更新：Ulrike Fisher 在评论中表示 pdfglyphtounicode 更好，请参阅使 Linux Libertine 中的连字符可复制（和可搜索）

Question 3

你写了：

我注意到，在用 Latex 编译的 pdf 文件中，从 pdf 文件中复制文本时，“field”中的“fi”不能分离为“f”和“i”。我想知道为什么，是否可以更改这种情况？

如果它已经在编译的 pdf 中，那么您无能为力。考虑以下 MWE：

\documentclass{standalone}
\usepackage[OT1]{fontenc}
\begin{document}
iffy fig flat office baffle
\end{document}

如果你使用 pdflatex 编译该程序，你应该得到以下内容：

在此处输入图片描述

注意这五个连字符的外观。但是，如果你复制粘贴输出（我在写这篇文章时使用 TeXLive 2011 和 TeXworks 作为前端），你将得到：

iy g 
at oce bae

恐怕这个网站的数据输入系统似乎无法正确呈现各种奇怪的符号，所以当我说我看到一对音符、一个阳性和一个阴性性别符号以及一些无法识别的形状时，你必须相信我。（有趣的是，“fl”字形似乎由一个不可见的换行符表示，因此字符“at”出现在第二线。）

但是，如果我在 MWE 中将“OT1”更改为“T1”（英语文本的更现代的字体编码方案 - 对于许多非英语语言也适用），重新编译它，然后将生成的 pdf 文件的输出复制并粘贴到 ascii 编辑器中，我得到：

iffy fig flat office baffle

正如人们希望的那样，所有五个连字符组合现在都已正确恢复。

我还没有用其他现代字体编码重复这个实验，但我怀疑问题——即从 pdf 文件复制到纯文本文件时，连字符呈现不正确——是特定于 OT1 字体编码方法。如果您遇到使用 latex 创建的 pdf 文件，并且连字符看起来很奇怪，并且如果有机会，您可能希望询问论文的作者是否愿意使用序言\usepackage[T1]{fontenc}中的说明重新编译它...

Answer