PDF文档复制粘贴乱码，如何解决

一直以来，经常会有人问我为什么PDF文档中的内容能看到，也能复制，但是粘贴就会乱码。

例如，一个红楼梦的样本文件，如果我打开文档之后，复制文本，粘贴到记事本，就会发现乱码

那么，是什么原因造成的乱码呢？我用AI分析这个文档，看一下字符是如何被渲染到页面上面的。

首先，我们用oPDF，看一下文档的内容流，你会看到类似的操作符

 这段指令的意思是，使用C0_0字体，渲染0003字符到指定位置。AI分析结果如下：

<C0003> Tj
    │
    ▼
/C0_0 (10 0 R) ──Type0字体──┐
    │                          │
    ├─ /Encoding /Identity-H  → CID = 0x0003 = 3
    │
    └─ /DescendantFonts → （31 0 R） (字体类型：CIDFontType0)
                            │
                            ├─ /CIDSystemInfo → Identity
                            │
                            └─ /FontDescriptor → （32 0 R）
                                                    │
                                                    └─ /FontFile3 → （20 0 R）
                                                                        │
                                                                        ▼
                                                                ┌───────────────┐
                                                                │ CFF数据流      │
                                                                │               │
                                                                │ CharStrings   │
                                                                │   [0] .notdef │
                                                                │   [1] CID 1   │
                                                                │   [2] CID 2   │
                                                                │   [3] CID 3 ★ │ ← 字形轮廓数据在这里！
                                                                │   ...         │
                                                                └───────────────┘

通过分析，我们知道了0003字符是从字体文件 /FontFile3 中读取字形，并渲染的。所以我们可以正确的看到这个字。

那么，为什么复制粘贴就乱码了呢？这就要提到一个字体中的概念----Unicode映射。字体文件的本质就是矢量绘图，而复制粘贴需要知道文字的Unicode码，把这个码放到剪贴板里面，其它的软件才会知道是什么字。正规的字体文件，都会带一个Unicode映射表，这个表会告诉软件字体中的第几个字对应的是Unicode中的哪一个字的编码。然后我们才能正确地复制粘贴。

所以，PDF文档为什么复制粘贴之后就会乱码的原因，想必你也清楚了。正是由于某些PDF文档在制作的时候，有意将Unicode映射表删掉了，造成我们无法得知复制的字对应的是Unicode的哪一个字，所以无法复制粘贴文档中的文本。这是一个很简单，也很有效的文档反拷贝手段。

为了解决这个问题，我写了一个软件PDFontFixer，采用OCR识别PDF文档中的字体里面的每一个字形，得到对应的Unicode编码，再将这些编码做成ToUnicode映射表，保存到PDF文档的字体里。这样，我们就可以正常复制粘贴文本了。

 

相关的软件和测试文档在蓝奏云下载，密码：73t8 。

因为韩国人的UI框架某些功能需要过一段时间才能完善，预计本软件会在下个月发布。

有问题可以与作者联系 QQ：564955427，Email：liucq@163.com