☰

Estou tentando copiar texto de um PDF, mas recebo lixo

tag-icon • tag-icon ubuntu pdf encoding
Estou tentando copiar texto de um PDF, mas recebo lixo

Estou tentando copiar textode um arquivo PDF, mas recebo lixo. Estou usando o Document Reader no Ubuntu para ler o documento. Não é como se ele não me permitisse copiar, mas apenas que o texto copiado fica assim:

RFRPSLOHJFFDUSVQLIIHUFRDUSVQLIIOSFDS    

5XQDVURRW

LQFOXGHSFDSK!
LQFOXGHVWGOLEK!
LQFOXGHVWULQJK!

$53+HDGHUDVVXPLQJ(WKHUQHW,3Y

GH¿QH$53B5(48(67
$535HTXHVW

GH¿QH$53B5(3/<
$535HSO\

W\SHGHIVWUXFWDUSKGU^
XBLQWBWKW\SH
+DUGZDUH7\SH

XBLQWBWSW\SH
3URWRFRO7\SH

XBFKDUKOHQ
+DUGZDUH$GGUHVV/HQJWK

XBFKDUSOHQ
3URWRFRO$GGUHVV/HQJWK

XBLQWBWRSHU
2SHUDWLRQ&RGH

XBFKDUVKD>@
6HQGHUKDUGZDUHDGGUHVV

XBFKDUVSD>@
6HQGHU,3DGGUHVV

XBFKDUWKD>@
7DUJHWKDUGZDUHDGGUHVV

XBFKDUWSD>@
7DUJHW,3DGGUHVV

Oque posso fazer para consertar isso? é uma grande quantidade de dados que levará muito tempo para digitar.

Além disso, aliás, o texto colado ficou assim no gedit (Ubuntu):

no meu sistema (observe que parece diferente quando colado aqui nesta questão!)

Sinto que é de alguma forma um problema de codificação, mas não tenho como saber como consertar isso.

Responder1

O texto subjacente está distorcido. Acho que @skub está correto ao pensar que pode ser de propósito. Uma forma de obter o texto seria exportar cada página como uma imagem (por exemplo.jpgou.png) e, em seguida, digitalize as imagens comOCRProgramas. Consegui testar isso no Windows 7 com Adobe Acrobat X; funcionou.

Atualizar:

Se o seu visualizador de documentos tiver um recurso semelhante, copy with formattingcopie o texto conforme o esperado. Indo mais fundo, posso confirmar que as fontes incorporadastodostenha umcodificação personalizada.

informação relacionada