在 PDF 中搜索文本 - 双重结果

Question

我对附件中的 PDF 文件中的搜索文本有疑问： pdf shared link google drive。 如果我搜索文本示例“1500”，我看到 4 个出现，但第 2 页中只有 2 个出现.....如果我搜索文本“musei”找到 2 个出现，但此文本仅在第 1 页中。

研究解析单页并找到每个单页中的所有文档文本，因为我有双重结果。

谁能解释为什么会这样？ 以特定方式生成的这个 PDF 文件是否尊重其他可以搜索文本的地方？

非常感谢

Answer 1

那个PDF确实很特别，每一页都包含两页的文字。在第一页上，来自第二页的文本位于右侧页面边框的右侧，而在第二页上，来自第一页的文本位于左侧页面边框的左侧。此外，各个其他页面的内容也在剪辑区域之外。

我将第一页的页面框（媒体框、裁剪框...）放大到右侧和第二页的左侧，然后标记所有文本（Ctrl-A) 甚至显示剪辑区域之外的文本，您会看到：

对于仅提取可见区域中的文本的文本提取，您应该将文本提取例程限制在相应页面的裁剪框内。