为什么无法在 PDF 中选择文本？
如果无法在 PDF 中选择文本 — 点击并拖拽覆盖一个词没有高亮 — 文本不在文件的内容流中。这通常意味着四种情况之一：PDF 是扫描图像、文本在导出时被烤入图像、文件以丢失文本层的方式被扁平化、或字体编码损坏。前三种的修复是 OCR。本指南说明如何判断哪种原因及如何处理。
4 种常见原因
1. PDF 是扫描的（仅图像）
最常见的原因。扫描文档是纸张的照片 — 每页是一个大图像。内容流中没有文本，所以没有可选择的。扫描仪默认生成仅图像 PDF；扫描仪软件中的"可搜索 PDF"选项是在扫描时通过 OCR 添加文本层的那个。
如何检查：放大到 400%。如果文本像素化（字母形状边缘有锯齿），它是图像。真实文本在任何缩放都保持清晰，因为它从字体轮廓渲染。也试试 Ctrl+F / Cmd+F — 如果查找无法定位您能清楚看到的词，文件没有文本层。
修复：运行 OCR 添加可搜索文本层。参阅如何使 PDF 可搜索了解本地工具。
2. 文本被烤入图像
某些应用程序导出的 PDF 中文本被光栅化 — 转换为像素并作为图像嵌入，即使源是真实文本。这发生在光栅化一切的"打印到 PDF"驱动程序、将文本扁平到背景图像上的演示导出器、以及经过将所有内容转为图像的"扁平化"步骤的 PDF。
如何检查：与扫描相同 — 放大到 400% 查找像素化。文件可能原本是真实文本 PDF；光栅化发生在导出时。
修复：从源应用程序重新导出，保留文本为文本（不光栅化）。如果没有源，对现有文件运行 OCR。
3. PDF 被扁平化
扁平化将表单字段、注释、有时将文本转为静态内容。某些扁平操作保留文本层；其他光栅化一切。如果扁平步骤光栅化了，结果是仅图像且不可选择。
如何检查：再次缩放测试。如果 400% 下文本仍清晰但无法选择，扁平将文本保留为轮廓（矢量形状）而非字符 — 罕见但可能。如果像素化，扁平光栅化了。
修复：用保留文本层的工具重新扁平化，或从源重新导出。参阅如何扁平化 PDF了解保留文本与光栅化扁平的区别。
4. 字体编码损坏（ToUnicode 缺失）
最罕见的原因。文本存在于内容流中且正确渲染，但字体的 ToUnicode 映射缺失或错误。查看器可以显示字形（它们有字体轮廓）但无法将它们映射回 Unicode 字符以供选择、复制或搜索。您能看到文本但无法选择。
如何检查：文本在任何缩放都清晰（是真实文本而非图像）但无法选择或复制。查找也失败。这在旧 CAD 工具或小众导出器生成的 PDF 中常见。
修复：从源以正确的 Unicode 映射重新导出。如果没有源，运行 OCR — 它将添加带有正确 Unicode 的新文本层，替换损坏的。
快速诊断清单
- 尝试选择一个词。 点击并拖拽覆盖一个词。如果没有高亮，文本不在内容流中。
- 放大到 400%。 如果文本像素化，是图像（扫描、光栅化或扁平为图像）。如果保持清晰，是真实文本但编码损坏。
- 尝试查找（Ctrl+F / Cmd+F）。 如果查找无法定位您能看到的词，文件没有可搜索文本层。
- 检查文件大小。 扫描 PDF 通常很大（每页一个全页图像）。不可选择文本的小文件更可能是编码损坏。
- 如需要则应用 OCR。 使用本地 OCR 工具添加可搜索文本层。
现在就能运行的快速测试
如果您的 PDF 由扫描文档创建，文本提取将返回空。试试 IXPDF 的PDF 转文本工具 — 拖入文件，运行，检查结果。如果提取的文本为空，您的 PDF 是扫描（或光栅化）的，需要 OCR 使文本可选择；参阅如何使 PDF 可搜索了解可信的本地 OCR 选项。如果工具确实返回文本但您仍无法在原 PDF 中选择，原因可能是字体编码损坏（上面原因 4）— 文本层存在，但查看器无法将字形映射回 Unicode。
为什么 OCR 是修复（而非仅权宜之计）
对于扫描、光栅化和编码损坏的 PDF，OCR 是唯一的修复 — 没有原始文本可恢复。OCR 分析图像、识别字母形状、将新文本层写入 PDF。结果是"可搜索 PDF"：原始图像保持可见（布局和签名保留），识别的文本作为不可见层放在后面供选择、复制和搜索。
OCR 的质量决定结果的质量。现代 OCR 引擎（Tesseract 5、ABBYY FineReader、Adobe Acrobat 的 OCR）在干净的 300 DPI 常见字体扫描上表现良好。它们在手写、低分辨率扫描、装饰性字体和文本与图像混合的多栏布局上困难。依赖前始终校对识别的文本。
常见误区
- 以为 PDF 是"加密"或"受保护"的。 不可选择文本几乎从不是安全功能。通常是扫描文件。在 Acrobat Reader 中打开检查 — 文件 ＞ 属性 ＞ 安全 中没有限制就不是受保护的。
- 对敏感文档使用免费在线 OCR 服务。 文件上传到服务器。使用本地工具 — Tesseract、Acrobat 或 macOS 实时文本。
- 不校对就信任 OCR 输出。 OCR 会误读。如果将文本复制到合同或引用中，逐词与图像核对。
- 重新扫描而非重新导出。 如果有源文档（Word、PowerPoint、InDesign），重新导出为 PDF — 文本将是真实的且可选择。重新扫描是最后手段。