我的问题并不明确指 LaTeX 本身，而是指生成的 PDF。长话短说：我希望能够将文本从 PDF 复制到 TXT 文件作为连续文本。我相信这是许多人的常见问题。
我正在处理编译为 PDF 文件的 LaTeX 文档。我的文本包含许多单词分隔符在行尾。有时我需要将 PDF 中的文本复制到纯文本文件 （*.txt）。很遗憾：
PDF 旨在模仿打印页面，并且它们仅被设计为输出格式，而不是输入格式。PDF 基本上是包含字符（单个字母或标点符号等）或图像的精确位置的地图。在多数情况下，PDF 甚至不存储一个单词在何处结束以及另一个单词在何处开始的信息，更不用说段落结尾的软分隔符和硬分隔符之类的信息了。
因此，当我将以下文本编译为 PDF 时，我并不感到惊讶：
\documentclass{article}
\usepackage{graphicx}
\begin{document}
\title{Introduction to \LaTeX{}}
\author{Author's Name}
\maketitle
\begin{abstract}
The abstract text goes here.
\end{abstract}
\section{Introduction}
This is \LaTeX text that will be copied and pasted. Verylongword. Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu is a hill near Porangahau, south of Waipukurau in southern Hawke's Bay, New Zealand.
\subsection{Subsection Heading Here}
This text comes from Wikipedia.: The name "Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu" translates roughly as "The summit where Tamatea, the man with the big knees, the slider, climber of mountains, the land-swallower who travelled about, played his nose flute to his loved one".
\end{document}
结果是：
我将整个文本复制到 TXT 文件，得到：
Introduction to L A TEX
Author’s Name
April 29, 2017
Abstract
The abstract text goes here.
1
Introduction
This is L A TEXtext that will be copied and pasted. Verylongword. Taumatawhakatangi-
hangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu is
a hill near Porangahau, south of Waipukurau in southern Hawke’s Bay, New
Zealand.
1.1
Subsection Heading Here
This text comes from Wikipedia.: The name ”Taumatawhakatangihangakoauauo-
tamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu” translates roughly
as ”The summit where Tamatea, the man with the big knees, the slider, climber
of mountains, the land-swallower who travelled about, played his nose flute to
his loved one”.
最多令人恼火单词中断和行尾会变成新行，因此复制的文本不连续。有什么技巧可以帮助我将文本从 PDF 复制到 TXT 文件作为连续文本？
直接从 TEX 源复制文本不是一个选择，因为上面的例子非常简单——典型的 TEX 源包含宏、格式化命令等等。
答案1
发布（作为社区 wiki）Marijn 的评论，原帖作者说“谢谢 @Marijn！你可以发布你的答案，这样我就可以接受它。”
有一个问题关于 Stack Overflow 上的这个问题，在那里的答案中，OP 发现效果最好的是德特克斯（opendetex）。这在源 TeX 文件而不是 PDF 文件上运行。
为了完整性，Stack Overflow 答案中提到的其他选项是：
- 卡特维在 DVI 文件上运行
- 转换为 HTML（使用 htlatex / tex4t / hyperlatex /橡胶树），然后从 HTML 文件中提取文本
- 潘多克，多种格式之间的多功能转换器
- LaTeX2RTF 转换为 RTF，然后以某种方式提取文本
- 安特克斯
更多内容请参阅 TeX FAQ：从 (La)TeX 转换为纯文本
注意：这是社区维基，因此如果可能的话，请编辑答案而不是留下评论。
答案2
既然您已经提到，这不是一个特定于 LaTeX 的问题，那么您不应该感到惊讶，我的答案也与 LaTeX 无关:)。
一种方法可能是使用所谓的OCR（光学字符识别）软件。
- OCR 软件能够理解图片并将其转换为可编辑的文本。
- OCR 软件甚至可以理解多列布局等等。
- 我是一本著名的德国计算机杂志的读者不。
- 2017 年第 6 期对该软件进行了很好的评论Abbyy FineReader 14（有 30 天的试用期）。
- 或者尝试其他 OCR 软件，例如免费OCR或者直接用 Google 搜索其他选项：）。