“PDF复制后乱码问题”解决方案

      1. 什么是乱码？（即PDF文档文字符号显示原理）

           计算机系统中显示出来的字符，是通过每个字符对应的唯一码（即内码），再用此字符不同字体的字模样式显示出来。如：” 国 ”字的内码是“ B9FA ”，用黑体显示就是“ 国 ”的字样，用楷体显示就是“ 国 ”的字样，但内码都是同一的“ B9FA ”。

           对于PDF文档来说也一样，当打开一个PDF文件时，我们看到显示出来的字符是每个字符的字模样式，但当字模与该字符对应的内码不能对应时，将PDF文档内的字符复制黏贴出来则会出现乱码现象，即显示非对应内码的另外一个字符。

           例如，“简”字的字符内码显示为“ { ”，则将“简”字复制出来黏贴到写字板显示出来就变成了“ { ”，这就是乱码现象。

     2. 什么是乱码PDF？

          乱码PDF通常具有以下特征：

             1）PDF显示很正常。

            2）将PDF中的文字复制粘贴到写字板，会发现这些文字变成了乱码。

            3）无法在此PDF中查找文本。

            4)  无法将PDF另存为txt文本文件。

         这种PDF只能用于浏览和打印，无法存档和二次利用。

         由于历史原因，国内出版行业中存在大量的PDF乱码现象。对于这种PDF，弃之可惜，用之难受。

     3.  我们提供怎样的解决方案

            我们能够提供一整套的软件系统及服务，彻底解决PDF乱码问题，让这些乱码PDF起死回生。

            我们的解决方案主要包括：

             1）一套PDF内码校正的软件系统（内测阶段）

             2）一套自动校正的字模对照表（制作阶段）

             3）PDF乱码校正加工服务。

             我们的解决方案的特点是：

             1）保持PDF的外观和版式。

             2）绿色软件，无需安装，无需第三方SDK。

             3）支持批量操作。

             4）支持各种版本的PDF。

            我们的PDF乱码校正服务的优点是：

            1）我们专业的PDF处理团队，包括PDF开发人员和具有丰富经验的加工人员；

            2）我们可以同时解决PDF双层OCR、PDF转曲后文件还原等复杂的问题；

            3）乱码校正的速度很快，是普通图片OCR校对速度的几倍。

           我们修正后的PDF文件能够达到以下质量： 

            1）原版原式地pdf文件，绝不破坏原始pdf文件的结构和版式；

            2）乱码PDF经过校正之后，文本内容可以正常复制、粘贴和检索、查找；

            3）乱码校正后的文本错误率可以保证在万分之三以下，准确率高。

     4.  如何获取我们的加工服务

            如果你有乱码的PDF文件需要修正，可以按照以下方式获取我们的加工服务： 

            1）将你的乱码pdf文件发送一个样文到这个邮箱：896502749@qq.com ；

            （说明：选择有代表性的乱码pdf作为样文，10页以内，并在邮件标题注明“乱码pdf校正”）

            2）邮件中详细说明加工的要求和需要加工的文件数量或总页数；

            3）我们会根据你的样文核算加工费用，并将样文处理后回复给你；

            4）如果你满意我们的价格和质量，即可签订加工合同，必要时请拨打(86)15711178958与我们联系。

     5.  我们如何修改乱码？

    PDF文件中的字符包括两样东西：

           （1）字符的形状（通常称“字模”）

           （2）字符对应的Unicode码（内码）。
    我们打开一个PDF，看到的是字的模型（通常称“字模”），而我们复制出来后的文字是字符的内码。
    PDF中所有的字体都包含两个表：字模表、字模序号与Unicode对照表。
    字模通常被嵌入到PDF中，叫内嵌字体。
    但是，某些PDF制作工具在生成PDF时，没有正确生成“字模序号与Unicode对照表”，这导致生成的PDF无法复制。
    所以，要解决这些复制问题，最直接的方法就是修改“字模序号与Unicode对照表”。
   下图是一个演示图，说明pdf中的字模与内码对应关系，以及如何修改PDF中的乱码。

       图中每个单元格是一个字符，单元格的上方是字符的字模，单元格的下方是字符的内码。当上下一致时，则表示字符的内码是正确的。

      图中不同底色的说明：①黄色，说明修改正确后已保存的状态；②绿色，表示修改正确后未保存的状态；

                  ③紫色，表示当前鼠标放在其字符框中准备修改的状态；④白色，表示未修改的区域

       6. 我们如何保证校正质量？

            1）采用多种自动校正的手段

                ① OCR（光学字符识别）【是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。】（此方法正确率在90%以上）

                ② 字模比对 【PDF中的字模同系统字库中的字模相比对，用以还原其内码】

           2） 也可采用多种手动的校对方式

                ① 字符上下对照 （也称横校模式）【将字符与其对应的内码上下对照，一目了然，即可显示对应错误的内码，以待改正】

                ② 纵校模式 【按字符归类显示，校对更细致】

                ③ 原始版面定位 【适用于“ 0 ”和“ O ”, “ I "和 “ i " 等一时无法清晰辨别的字符】

  （运用自动与手动方法相辅的校正方式，横向和纵向的检查模式，逐层递进，以确保高效率、高正确率、高质量的服务理念）

        7. 示例文件

        （1）复制乱码的PDF修复

                      校正前的乱码PDF：乱码PDF

                      校正后的正常PDF：正常PDF

        （2）转曲后的PDF修复
                      原始PDF：原始PDF

                      校正后的正常PDF：正常PDF