我的問題沒有明確涉及 LaTeX 本身，而是產生的 PDF。長話短說：我希望能夠將文字從 PDF 複製到 TXT 檔案作為連續文字。相信這是很多人的通病。
我正在處理編譯為 PDF 文件的 LaTeX 文件。我的文字包含很多斷詞在一行的末尾。有時我需要將生成的文字從 PDF 複製到純文字文件 （*.txt）。很遺憾:
PDF 旨在模仿列印頁面，並且它們僅設計為輸出格式，而不是輸入格式。 PDF 基本上是包含字元（單個字母或標點符號等）或圖像的確切位置的地圖。在多數情況下，PDF 甚至不儲存有關一個單字結束位置和另一個單字開始位置的信息，更不用說段落結尾的軟中斷與硬中斷之類的信息了。
因此，當我將以下文字編譯為 PDF 時，我不會感到驚訝：
\documentclass{article}
\usepackage{graphicx}
\begin{document}
\title{Introduction to \LaTeX{}}
\author{Author's Name}
\maketitle
\begin{abstract}
The abstract text goes here.
\end{abstract}
\section{Introduction}
This is \LaTeX text that will be copied and pasted. Verylongword. Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu is a hill near Porangahau, south of Waipukurau in southern Hawke's Bay, New Zealand.
\subsection{Subsection Heading Here}
This text comes from Wikipedia.: The name "Taumatawhakatangihangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu" translates roughly as "The summit where Tamatea, the man with the big knees, the slider, climber of mountains, the land-swallower who travelled about, played his nose flute to his loved one".
\end{document}
結果是：
我將整個文字複製到 TXT 文件，我得到：
Introduction to L A TEX
Author’s Name
April 29, 2017
Abstract
The abstract text goes here.
1
Introduction
This is L A TEXtext that will be copied and pasted. Verylongword. Taumatawhakatangi-
hangakoauauotamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu is
a hill near Porangahau, south of Waipukurau in southern Hawke’s Bay, New
Zealand.
1.1
Subsection Heading Here
This text comes from Wikipedia.: The name ”Taumatawhakatangihangakoauauo-
tamateaturipukakapikimaungahoronukupokaiwhenuakitanatahu” translates roughly
as ”The summit where Tamatea, the man with the big knees, the slider, climber
of mountains, the land-swallower who travelled about, played his nose flute to
his loved one”.
最多惱人的是成為新行的分詞符號和行結尾，因此複製的文字不連續。有什麼技巧可以幫助我將文字從 PDF 複製到 TXT 檔案作為連續文字嗎？
直接從 TEX 原始碼複製文字不是一個選項，因為上面的範例非常簡單——典型的 TEX 原始碼包含巨集、格式化命令等。
答案1
發布（作為社區 wiki）Marijn 的評論，OP 表示“謝謝@Marijn！你可以把你的答案貼出來，這樣我就可以接受。
有一個問題關於這個問題，在 Stack Overflow 上，以及那裡的答案中，OP 發現最有效的答案是德特克斯（開放德克斯）。這是在來源 TeX 檔案而不是 PDF 文件上運行的。
為了完整起見，Stack Overflow 答案中提到的其他選項是：
- 卡特維它在 DVI 檔案上運行
- 轉換為 HTML（使用 htlatex / tex4t / hyperlatex /橡膠樹)，然後從 HTML 文件中提取文本
- 潘多克，多種格式之間的多功能轉換器
- LaTeX2RTF 轉換為 RTF，然後以某種方式提取文本
- 解壓縮
請參閱 TeX 常見問題以了解更多資訊：從 (La)TeX 到純文字的轉換
注意：這是社群 wiki，因此如果可能的話，請編輯答案而不是留下評論。
答案2
既然您已經提到，這不是 LaTeX 特定的問題，您不應該感到驚訝，我的答案也與 LaTeX 無關:)。
一種方法可能是使用所謂的OCR（光學字元辨識）軟體。
- OCR 軟體能夠理解圖片並將其轉換為可編輯的文字。
- OCR軟體甚至可以理解多列佈局等。
- 我是德國著名電腦雜誌的讀者是吧。
- 在第 6/2017 期中對該軟體進行了很好的評論艾比 FineReader 14（有 30 天的試用期）。
- 或嘗試其他 OCR 軟體，例如免費OCR或只是谷歌搜尋其他選項:)。