为什么pdf文档无法搜索？[关闭]

Question

我有一个包含阿拉伯语内容的 pdf 文档，当我尝试在文档中搜索特定单词时，adobe reader 没有返回任何结果。

好像是格式问题...我该如何解决这个问题？谢谢。

Answer 1

至少有四种不同的方法可以将文本放入 PDF 文档（按顺序或可能性）：

1. 使用标准文本运算符和标准字体放置文本
2. 将带有标准文本运算符的文本与非标准字体放置在一起
3. 绘制代表文本的一幅或多幅图像
4. 通过使用各种 PDF 图形命令手动绘制字形来放置文本

情况 1 通常是可搜索的。如果字体和编码正常，则情况 2 是可搜索的 - 如果不是（非拉丁字体可能就是这种情况），那么可能没有可靠的方法将编码的字形映射回 Unicode（顺便说一下） - PDF 对 Unicode 相当不利）。如果不了解 PDF 是如何生成的，情况 3 是完全无法搜索的。案例4是完全无法搜索到的。

也就是说，所有案例都可以使用理解阿拉伯语的 OCR 引擎来阅读。据我了解， 虹膜引擎 做阿拉伯语。

Answer 2

这可能不是实际上是文字，也可能是在一个容器中Reader不讲究。这是特别常见的扩展文本对象为矢量图形，当你处理，大多数人都不会的字体已经安装在他们的系统上。它在屏幕上看起来一样，但它不是搜索。