PDF 复制不出文字、复制出来是乱码或空格的排查办法
PDF 复制不出文字通常有五种原因：权限限制、扫描图片、字体转曲、编码映射缺失、文件损坏。本文给出从现象反推原因的判断表，以及 OCR、移除限制、修复文件、转 Word 中转的对应处理步骤与参数建议。
先按现象反推原因
复制不了文字这件事至少对应五种不同的底层原因，处理方式完全不同。动手前先花一分钟判断属于哪一类：能不能选中文字、选中后复制出来是什么、换个软件打开结果一不一样。这三个观察基本就能定位到具体原因，比上来就做 OCR 要快得多。
最简单的分流点是能不能选中。完全选不中，说明页面上根本没有文字对象，是图片，走 OCR。能选中但复制出来不对，说明有文字层但编码或映射有问题，走修复或中转。能选中也能复制，但粘到 Word 里是乱码，那是 Word 打开 PDF 时的解析问题，换个路径就行。
| 现象 | 最可能的原因 | 处理方式 |
|---|---|---|
| 完全选不中，只有整页选框 | 扫描件或图片型 PDF | OCR 生成文字层 |
| 点复制提示被限制 | 设置了禁止复制的权限 | 移除限制后重试 |
| 复制出来是乱码或问号 | 字体缺 Unicode 映射或已转曲 | OCR 或转 Word 中转 |
| 复制出来全是空格 | 编码映射错误或字距被当成空格 | 换提取方式，或 OCR |
| 本机正常，发给别人就乱码 | 字体没嵌入，对方缺字体 | 嵌入字体或转曲 |
判断是不是图片型 PDF，最快的方法是放大到 400% 看文字边缘。边缘有锯齿、发虚或者带噪点就是图片；边缘锐利、怎么放大都平滑，那才是真文字。
第一种：权限限制挡住了复制
打开时一切正常，一点复制就提示文档作者已限制复制，或者复制出来是空的。这不是文件坏了，是 PDF 里写了一条权限声明。阅读器遵守这条声明所以拒绝复制，但内容本身是明文存储的，并没有加密。
处理很直接：用移除限制工具生成一个无限制副本。前提是这份文件你有权处理，别人发来的受限文件别去动。移除之后重新打开，复制功能就正常了。如果移除之后还是复制不了，说明不是权限问题，继续往下排查。
还有一种情况容易混淆：文件带打开密码，你输入密码打开了，但复制被禁。这是权限密码在起作用，同样只需移除限制，不涉及破解密码。真正需要密码才能打开的文件，不输入密码任何工具都读不出内容。
移除限制只影响复制、打印这类操作声明，不会改动页面内容。处理完另存为新文件，原文件保留，万一后续要证明文件没被改动还有个对照。
第二种：扫描件，页面上根本没有文字
扫描仪、手机扫描 App、聊天工具传过来的 PDF 大多是这一类。页面上只有一张图，人眼能认字，软件眼里全是像素。这类文件除了 OCR 没有别的办法，任何 PDF 转 Word、PDF 转 TXT 的工具在 OCR 这一步之前都拿不到文字。
OCR 的准确率主要由扫描分辨率决定。300dpi 的黑白扫描件，印刷体中文识别率能到 98% 以上；200dpi 会掉到 90% 出头；150dpi 以下开始大量错字，数字和英文的 0 与 O、1 与 l 混认特别常见。所以做 OCR 之前先看分辨率，太低的宁可重新扫。
- 确认是图片型 PDF：放大看边缘，或者看能不能选中文字。
- 检查扫描分辨率，低于 200dpi 的建议重新扫描。
- 有倾斜的先纠偏，倾斜超过 3 度会明显拉低识别率。
- 运行 OCR，语言选简体中文；印刷体用印刷体模式，手写内容要选手写模式。
- OCR 完成后再试一次复制，能选中并且复制出来正确就算成功。
- 识别错的字用查找替换批量修，先核对数字和人名这类关键信息。
OCR 之后文件会变大，因为多了一层文字数据和可能的字体信息。100 页 300dpi 的扫描件做完 OCR，体积增加几 MB 是正常的，别为了省空间跳过这一步。
第三种：能选中，复制出来是乱码
这是最让人困惑的一类：明明能选中文字，粘贴出来却是看不懂的符号或者一堆问号。原因是 PDF 里存的是字形编号而不是字符编码，文件缺少一张把编号映射回 Unicode 的表，专业上叫缺 ToUnicode 映射表。常见于从设计软件、老版排版软件或者某些转换工具导出的 PDF。
还有一种是文字被转成了曲线。转曲后的文字看着完全正常，放大也不失真，但它已经不是字符而是矢量图形，复制出来要么是空的要么是乱码。判断方法是选中一段文字看高亮框，如果每个字都有独立的高亮框，大概率是转曲或者字符级拆分。
处理这类文件的实用路径是转 Word 中转。把 PDF 转成 DOCX，Word 对这类编码问题的容错比直接复制好，很多情况能拿到正确文字。如果转 Word 还是乱码，那就只剩 OCR 一条路，把页面当成图片重新识别一遍。
| 判断依据 | 说明 | 推荐路径 |
|---|---|---|
| 选中后每字一个高亮框 | 字符级拆分或转曲 | 转 Word 中转，不行再 OCR |
| 复制出来是问号或乱符 | 缺 Unicode 映射表 | 转 DOCX，或 OCR |
| 字体名显示为六字母前缀加字体名 | 字体已子集化，属正常 | 直接复制通常可用 |
| 部分字乱码部分正常 | 混合字体，个别字体缺映射 | 单独处理乱码页 |
转曲的 PDF 打印和阅读都没问题，只是拿不到文字。如果是你自己导出的文件，回去找原始设计文件或 Word 原稿，比在 PDF 上想办法省事得多。
第四种：复制出来全是空格
复制出来一段全是空格，或者字词之间被塞了大量空格，通常是字距调整信息被误当成了字符间距。PDF 里为了让文字两端对齐，会在字符之间插入微调量，某些软件复制时把每个微调都翻译成了空格，粘贴出来就变成字与字之间各隔一个空格。
另一种来源是竖排文本，或者排版里用了特殊空格字符，比如不间断空格、全角空格，复制出来看着像空格，实际是有内容的。这种情况换个提取工具往往就好了，同一个文件用不同工具复制，结果可能完全不同。
最快的解决办法是换路径：把 PDF 转成 DOCX 或 TXT，用另一个工具提取，对比哪一份是干净的。都不行的话，用查找替换把连续空格换成单个空格或者直接删掉，几十页的文本几分钟能清干净。
粘到 Word 后看到大量空格，用 Ctrl+H 把两个空格替换成一个，反复执行几次直到替换数为 0，是最快的清理办法。
第五种：文件本身有损坏
如果以上都不符合，或者 PDF 打开时报错、部分页面空白、跳转异常，那可能是文件结构损坏。常见诱因是下载中断、网盘传输出错、用不完整的工具编辑过。这类文件不只是复制不了，连阅读都可能出问题。
先用修复工具跑一遍，它会重建文件结构、修复损坏的对象流和交叉引用表。修复能解决一部分问题，但不是万能的，严重损坏的文件只能找回部分页面。修复完一定要另存为新文件，然后逐页检查内容是否完整，尤其是表格和图片。
如果修复后仍然复制不了，判断一下是不是前面几类原因叠加：很多老旧 PDF 既是扫描件又带了复制限制，需要按移除限制、修复、OCR 的顺序依次处理，每步完成验证一次，别一次做完再检查。
- 下载或传输中断的文件，先重新下载一次，大概率直接解决。
- 打开时报错的，用修复工具重建结构。
- 限制、损坏、扫描三种问题叠加的，按顺序依次处理。
- 每一步做完立刻验证一次复制，别攒到最后。
- 修复后的文件另存，原文件留着做对照。
把文件上传到不明网站去解锁复制，等于把内容交给了对方。涉及合同、证件、财务数据的文件用本地工具处理，在浏览器里跑、不上传服务器的方案更安全。
文中提到的在线工具
以下工具全部在浏览器本地运行，文件不会上传到服务器。
常见问题
为什么 PDF 能看能打印就是不能复制？
多半是作者设置了禁止复制的权限。PDF 的权限限制分很多项，禁止打印、禁止复制、禁止修改可以单独设置，所以出现能打印不能复制完全正常。用移除限制工具生成一个无限制副本即可，前提是这份文件你有权处理。如果移除后仍然不能复制，那就要考虑是不是图片型 PDF 了。
OCR 之后复制出来的字还是错的怎么办？
先看错误类型。如果是数字、人名的零星错字，用查找替换批量改最快，重点核对 0 与 O、1 与 l、5 与 S 这几组。如果是大面积错字，说明原扫描质量不够，300dpi 以下的文件识别率本来就不高，重新扫描比校对更省时间。OCR 之前先纠偏也能明显提升准确率。
手机上怎么复制 PDF 文字？
操作和电脑上一样，长按选中文字后点复制。手机上更常见的问题是选不中，那说明文件是图片型的，手机上的 OCR 能力通常较弱，建议在电脑上做完 OCR 再传回手机。另一个常见情况是手机阅读器不支持某些权限标记，看着能选但复制出来是空的，换个阅读器试试。
复制出来带了很多换行，一段话断成十行怎么办？
这是 PDF 按视觉行存储文字导致的，每一行结尾都带一个换行符。粘到 Word 之后用查找替换处理：先把两个连续换行替换成一个特殊标记保住真实段落，再把单个换行替换成空格，最后把特殊标记换回换行。这样两三步就能还原成正常段落。
扫描件做 OCR 值得吗，要多久？
值得与否看页数和用途。20 页以内、需要引用其中几段文字，OCR 十几分钟能完成，很划算。上百页且只需要查找个别内容的文件，可以先只 OCR 可能相关的那几页。速度上，本地 OCR 大致是每秒 1 到 3 页，100 页的文件通常几分钟到十几分钟，取决于电脑性能和扫描清晰度。
在线转换和本地工具哪个准？
识别准确率主要取决于引擎和原文件质量，与在线还是本地关系不大，多数在线服务用的也是同类引擎。真正的区别在文件去向和限制：在线工具要上传文件，通常有页数和大小限制；本地工具文件不出本机，限制宽松，处理速度取决于你的电脑。含敏感内容的文件建议用本地方案。