PDF 提取文本

不能。本工具基于后端 Go 直接解析 PDF 文件内部的文本流，不包含 OCR（光学字符识别）引擎。如果 PDF 是扫描件或图片型（文字不可选中、复制），提取结果会是空或乱码。需要文字提取的扫描 PDF，建议先用 OCR 工具（如 Adobe Acrobat Pro、在线 OCR 网站）将图片转成可搜索文本后，再上传到本工具提取。

PDF 内部存储文本的逻辑是按「绘制顺序」而非阅读顺序。如果原 PDF 有多栏排版、文本框嵌套、或表格，提取时可能先输出左上角一个浮动文本框，再输出右下角正文。本工具会尽量按空间位置重排（保留布局），但对复杂版式（如报纸多栏、自由文本框重叠）无法 100% 还原阅读顺序。建议提取后手动调整段落顺序。

PDF 中每个字符的位置是独立记录的，单词间的空格可能以「偏移量」而非「空格字符」表示。本工具在重组文本时，如果检测到字符间距大于正常字距，会插入空格；但不同 PDF 生成软件（如某些老版 Word、CAD 导出）的间距规则不一致，可能导致漏加空格。遇到这种情况，可以先用「保留布局」模式尝试，或手动用文本编辑器的查找替换功能补空格。

本工具对上传文件大小有 100MB 限制，超过会拒绝处理。如果 PDF 超过 100MB，建议先用其他工具压缩（如缩小图片分辨率、删除无用页面），再上传。另外，提取结果只输出纯文本，文件大小主要影响上传耗时，处理速度取决于 PDF 页数和文本复杂度。

PDF 本身不存储表格结构，只记录线条和文字的位置。本工具会尝试按坐标将文字分组，但对复杂表格（合并单元格、无边框表、跨页表）很难还原成行列。提取后表格数据通常是散落的文字块。建议这类需求改用专为表格提取设计的工具（如 Tabula、Camelot），或手动复制 PDF 中表格区域后粘贴到 Excel 整理。

不能。本工具无法处理加密 PDF，上传后会提示「文件无法读取」。需要先用密码解锁 PDF（如使用 Adobe Acrobat 的「删除密码」功能，或在线解锁工具），再上传提取。注意：如果 PDF 只有「打开密码」而没有「编辑限制密码」，部分工具可能直接提取；但本工具出于安全考虑，对任何加密 PDF 均拒绝处理。

如果原 PDF 是 Word/PPT 导出（非扫描），Word 另存为的文本通常更准确，因为它直接读取了文档的语义结构（段落、列表、标题）。本工具提取的是 PDF 的「物理层」文本，对复杂格式（如脚注、分栏、文本框）的还原度不如 Word 原生导出。但 Word 另存为需要安装 Office 软件，本工具在线即用，适合快速提取少量文本。

这与 PDF 生成时中英文之间的间距处理有关。某些 PDF 引擎会在中英文之间插入固定宽度空格，本工具「保留布局」模式会保留这些空格。如果觉得多余，可以在提取后使用文本编辑器的正则替换（如查找 `[\u4e00-\u9fa5]\s+[a-zA-Z]` 替换为去掉中间空格），或在本工具结果区手动删除。目前工具没有内置「去多余空格」功能。