Why Can’t I Copy Text? Understanding Missing ToUnicode Maps in PDFs

Charltsing — Sun, 22 Mar 2026 07:32:37 +0000

一直以来，经常会有人问我为什么PDF文档中的内容能看到，也能复制，但是粘贴就会乱码。

例如，一个红楼梦的样本文件，无法通过复制粘贴得到正文文本。

那么，是什么原因造成的乱码呢？我用AI分析这个文档，看一下字符是如何被渲染到页面上面的。

首先，我们用oPDF，看一下文档的内容流，你会看到类似的操作符

这段指令的意思是，使用C0_0字体，渲染0003字符到指定位置。

AI分析结果如下：

通过分析，我们知道了0003字符是从字体文件 /FontFile3 中读取字形，并渲染的。所以我们可以正确的看到这个字。

那么，为什么复制粘贴就乱码了呢？这就要提到一个字体中的概念----Unicode映射。字体文件的本质就是矢量绘图，而复制粘贴需要知道文字的Unicode码，把这个码放到剪贴板里面，其它的软件才会知道是什么字。

正规的字体文件，都会带一个Unicode映射表，这个表会告诉软件字体中的第几个字对应的是Unicode中的哪一个字的编码。然后我们才能正确地复制粘贴。

所以，PDF文档为什么复制粘贴之后就会乱码的原因，想必你也清楚了。正是由于某些PDF文档在制作的时候，有意将Unicode映射表删掉了，造成我们无法得知复制的字对应的是Unicode的哪一个字，所以无法复制粘贴文档中的文本。这是一个很简单，也很有效的文档反拷贝手段。

为了解决这个问题，我写了一个软件PDFontFixer，采用OCR识别PDF文档中的字体里面的每一个字形，得到对应的Unicode编码，再将这些编码做成ToUnicode映射表，保存到PDF文档的字体里。这样，我们就可以正常复制粘贴文本了。

How to Losslessly Remove Watermarks from PDF Pages

Charltsing — Mon, 09 Mar 2026 09:47:57 +0000

人人都见过PDF文档页面中的水印，就像下面这样：

我们有很多工具可以去掉那些影响阅读的水印，最优秀的工具是Enfocus PitStop Pro，一个又大又昂贵的插件 ---- 但是它确实好使。

问题是：所有的商业软件在处理水印的时候，都会重新格式化文档内容流（由类似PostScript语言的操作符构成）和文档结构数据，这就不可避免地改变了原始文档。有些时候，这种改变会影响文档的二次处理。

那么，我们为什么不能从另一个角度思考水印的处理方式呢？

需要给普通人解释一下，PDF格式是一个渲染文档格式，它不像Word那样保证储存的是明文文本。实际上，许多PDF文档是采用绘图的方式或者内部编码的方式来显示文本和图片的。因此，你不能简单地删除水印（就像在Word里面删除字符那样）。

这里我们看一下PDF文档的实际存储数据，这里是内容流：

所以，你可能需要提前学习一下PDF文档结构，以及页面内容流中的操作符含义（这不是本文的内容）。

在这个PDF的内容流中，你会明显可看到 /Artifact /Subtype/Watermark 这一行信息，这说明水印是以/Artifact储存的，如果我们能够在内容流中直接删除它，是不是就可以去掉水印呢？

那么，问题来了，至今为止，我没有见到任何一个软件允许使用者随意编辑pdf文档中的内容流。原因很简单，这会破坏PDF文档的完整性。随意地编辑它们，会导致PDF文档损坏。因此，一直以来，处理水印都是专用工具的事情。

我在接触PDF文档一段时间之后，开始思考如何通过简单地修改内容流来达到删除水印的目的。道理很简单，水印并不是PDF文档的必备内容，删掉它们不会影响文档的完整性。

唯一面临的难点是，我得自己从头写一个软件，负责给用户展示内容流操作符，并有条件地允许使用者修改它们。

所以，oPDF软件诞生了。这是个免费工具，不像商业软件那样又大又贵。

oPDF v2.1可以：
1、去除编辑权限，展平表单，去除页面交互，删除数字签名。
2、可以任意修改文档页面内容流和资源内容流的指令集，可以改文本，改颜色，改位置，也就是说它可以修改页面任何内容，并不仅仅是去水印。
3、可以通杀八类PDF水印，包括注释水印、文本水印、曲线水印、路径水印、痕迹水印、表单水印、图片水印、图案水印。

oPDF 软件的工作原理是根据使用者的指令，删除或者替换PDF文档页面的内容流中的操作符。这就从理论上避免的文档结构的重构，也就是实现了无损处理。

Stay tuned for more tutorials...

DEV Community: Charltsing

Why Can’t I Copy Text? Understanding Missing ToUnicode Maps in PDFs

How to Losslessly Remove Watermarks from PDF Pages