提取出來的 PDF 文字亂碼時怎麼辦
要點
- 根據字型的嵌入方式，提取可能失敗
- 文字資料可能與顯示的不一樣
- 從原始檔案重新制作 PDF，往往就能解決
提取後，文字變成了讀不懂的符號或錯誤的字元。原因在於這個 PDF 的製作方式。
原因
- 字型資訊以特殊方式嵌入，導致文字資料與顯示的字元不一致
- 製作 PDF 的軟體把文字轉成了圖形（輪廓）
- 使用了舊格式或特殊的日文字型
怎麼做
- 如果有原始檔案（如 Word），重新制作 PDF。
- 用另一個 PDF 檢視器（瀏覽器、預覽等）開啟，在那裡試著複製文字。
- 如果還是無法提取，就把 PDF 轉成圖片再用 OCR。（本工具沒有 OCR。）
檢查
看看是隻有一部分亂碼，還是全部亂碼。如果只是一部分，手動修正也許可行。
使用「從 PDF 提取文字」（免費）搭配使用的工具
- PDF 轉圖片：把 PDF 的每一頁存為 JPEG 或 PNG 圖片。
- 提取或刪除 PDF 頁面：只保留需要的頁面，或刪除不需要的頁面。
- 壓縮 PDF：把 PDF 壓縮到你指定的大小以下，應對上傳大小限制。