搜索文本 a PDF - 双结果

Question

我有一个关于 PDF 文件中的搜索文本的问题，附在此处： pdf 共享链接 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，但该文本仅在第 1 页中。

该研究解析单页并在每一页中查找所有文档文本，因为我有双重结果。

谁能解释为什么会这样？ 这个 PDF 文件是否以特定方式生成，是否考虑到其他可以搜索文本的地方？

非常感谢

Answer 1

那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页边框的右侧，而在第二页上，来自第一页的文本位于左页边框的左侧。 此外，各个其他页面的内容还位于剪辑区域之外。

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 ）以显示剪辑之外的文本区域，你会看到：

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。