如何从PDF中复制文本而不丢失格式化？

首先，你必须了解什么是PDF。PDF的设计是为了模仿打印出来的页面，它们被设计成只作为一种输出格式，而不是输入格式。在大多数情况下，PDF甚至不存储关于一个字的结束和另一个字的开始的信息，更不用说像软休止符和硬休止符这样的段落结尾。即使你找到了，你的PDF阅读器也可能不知道。)

总之，这取决于你的软件是否能实现某种 “人工智能"，仅仅从单个字符的位置上提取出什么是一个字，什么是一个段落，等等。不同的软件会比其他软件做得更好，这也取决于PDF是如何制作的。在任何情况下，你不应该期望完美的结果。拥有输出的PDF与拥有源文件是不一样的。如果可以的话，最好是尝试着去获得。

你这种问题的标准解决方案是使用Adobe Acrobat Professional（昂贵的，不是免费的阅读器）将PDF转换为HTML。

有一些免费软件可以用来提取PDF中的文本，但同样，不要期望有完美的结果。例如，参见calibre (可以转换为RTF格式), pdftohtml/pdfreflow或AbiWord word processor(启用了所有的导入/导出插件)。还有一个用于OpenOffice的PDF导入插件。

但请不要期望这些结果都是完美的。你在这里是在违背了这个原则。PDF并不是一个可编辑的输入格式。

另一个选择是下载并开始使用免费的pdf浏览器，Foxit（它很不错）。然后你可以 “另存为"，选择.txt转换为文本文件。这将保留所有的格式化。不知道你是否可以在Adobe中做同样的事情，因为我前段时间在转换到Foxit的时候已经停止使用了。

用浏览器打开你的PDF文件（Google chrome和firefox测试），然后复制你的文本。

有一个非常好的在线工具叫Sej-da。它处理的是高级PDF操作。没有软件可供下载。由于它是一个***新的在线工具，目前还处于测试阶段。它允许你从PDF中提取文本，以及提供了无数其他PDF功能 http://www.sejda.com/

2012年11月14日，第3版对sejda功能进行了简短的视频回顾，可以在这里找到： http://revision3.com/tzdaily/sejda-online-pdf

你可以使用Adobe Acrobat Pro来实现。

对于表格。使用Acrobat 9/10有一个选择表格的功能。在Acrobat X中，你可以直接点击另存为>电子表格>Excel。它甚至可以将页面合并成一个长的电子表格。很棒的功能。

对于文本来说。有一个类似的功能可以导出到MS Word。Save As（另存为）> Word（Word Doc）。 来源：

• http://blogs.adobe.com/acrolaw/2009/04/exporting-a-pdf-to-excel/
• 我刚刚做了，它的效果很好。

Foxit将通过按Ctrl + 6来切换显示原始文件为正常的PDF或文本（文本模式的缩放级别，在阅读和复制之间来回跳动的位置不多）。

我发现这个非常有用（删除断行符）：

这里有一个有用的技巧，可以快速解决这个问题，而不必手动删除所有的断行符。基本上，它所做的一切是自动替换所有不需要的断行，用一个空格，使所有的文本一起运行到一个单一的段落：

1-复制你想要的文本从PDF。

3-点击 “编辑 "然后 "替换”

4-确保你在 “查找什么 "字段

5-点击 "更多 "然后 "特殊”

6-选择 “段落标记"（列表的顶部）

7-点击进入 "替换 "字段 8-按空格键一次

9-点击 "替换所有” 10-点击 “确定 "然后关闭 "查找&替换 "框。

我试图保存一个PDF文件的文本和格式，该文件被组织在一个表格中。在Acrobat Professional中，我发现有一个 “另存为 "选项，可以保存为excel文档。这很适合我的需求。我还注意到有一个 "另存为Word文档 "选项。但我没有尝试过。

你可以从adobe reader复制到MS Excel中，按照你想要的方式格式化（表格），然后从Excel中复制粘贴。这个解决方案的效果很好。你不需要购买昂贵的adobe专业版拷贝。