什么是连字?
连字是把两个或更多字母画在一起的单个字符形状,在许多字体中,如 fi、fl 或 ffi。设计师使用它,是为了让相邻字母的部分不相互碰撞,例如 i 的点碰到 f 的钩。在页面上它们看起来和普通字母一样,但在 PDF 内部,程序可能只存储一个字形,而不是两个独立的字符。
它们如何影响文字
复制或搜索文字时,结果取决于 PDF 如何存储该字形。制作良好的文件会把连字映射回对应的字母,所以搜索 office 能找到这个词。没有这种映射的文件,可能给出奇怪的符号、空白或缺失的字母,含有 fi 或 fl 的词就无法被找到。把文字导出到 Word 或纯文本时也会出现同样的问题,您会在词中看到奇怪的方框。
有何帮助 / 检查结果
如果在含有连字的词上搜索或复制失败,请提取文字并通读一遍,留意 office、final 或 flow 等词里的空缺或陌生符号。事后修复通常要靠手动或查找替换,把奇怪的符号换成正确的字母。对于扫描页面,数据里根本没有连字,因为文字识别读取的是图片,写出的是普通字母。
在 AuraDoc 中使用
「PDF 转文本」显示文件的全部文字,方便您检查词语如何输出;「PDF 转 Word」把内容还原为可编辑的 DOCX;「PDF OCR」为扫描页面添加可搜索图层。每次结果都是新文件,原件保持不变。
用到这个术语的工具
提到这个术语的指南
常见问题
- 为什么含 fi 的词在搜索时找不到?
- 文件可能存储了连在一起的字形,却没有告诉阅读器它代表哪些字母,因此搜索引擎看到的是另一个符号,找不到匹配。
- 连字是文档里的错误吗?
- 不是。这是正常的排版选择。只有当 PDF 没有把它们映射为字母以供复制和搜索时,才会出现麻烦。
- 扫描的文档有连字吗?
- 数据里没有。扫描件是图片,即使印刷页面使用了连在一起的形状,文字识别写出的也是普通的独立字母。