将 PDF 恢复为 LaTeX [关闭]

Posted 2023-03-22

【中文标题】将 PDF 恢复为 LaTeX [关闭]

【英文标题】：Recover PDF to LaTeX [closed]

【发布时间】：2010-12-09 20:26:58

【问题描述】：

我知道如何从 LaTeX 制作 PDF。有没有办法从我之前创建的 PDF 中提取 LaTeX 代码？如果有人给我发一份 PDF，我喜欢这种格式，那怎么样。我可以从中提取 LaTeX 吗？

【问题讨论】：

tex.stackexchange.com/questions/8503/…

【参考方案1】：

短版：没有。

长版：这很像反编译：技术上可以，但需要大量猜测和启发。

我不熟悉 PDF 的内部结构，但它可能会直接设置字体/大小/位置，而不是像在 LaTeX 中那样定义格式并将其应用于标题等。

【参考方案2】：

LaTeX 没有与 PDF 的一对一转换。关于您的第一个问题，我相信这种转换在技术上是可行的，但我不相信这样做的应用程序存在。类似于汇编程序可以反编译回高级语言的方式，可能有一种方法可以做到这一点。然而——一个pdf允许包含所有类型的数据——AutoCAD绘图、JPEG图形、字体文件、表格、数字签名等。LaTeX不知道这些东西是什么。所以第二个问题的答案是否定的——没有办法从任何 PDF 文档中提取等效的 LaTeX。

【参考方案3】：

只有将文档的源代码嵌入到 PDF 文件中才有可能。请参阅attachfile 包以执行此操作。

【讨论】：

或者，您可以使用标记的 PDF 添加提供线索的元数据。

是的，确实如此，但我不知道通过这条路线将 LaTeX 源代码转换为 PDF 的预先存在的方法。有什么建议吗？

抱歉，直到最近才看到您的问题。 Ross Moore 演示了 pdftex 添加，允许生成 PDF，其中数学用生成它们的 Tex 代码标记。这距离问题的完整答案还有很长的路要走，但我认为它表明它是可能的。关于这一点，我想说的比评论还多——我只想说它可以成为一篇很棒的硕士论文。

【参考方案4】：

查看我对相关问题的回答 (how to turn a DVI to tex?)

放大 - 不需要字符按阅读顺序排列（我发现 PDF 中 sdrawkcab sdaer txet 的一部分（并且依赖于坐标）。这很难重建，因为它可能取决于字体指标. 可以使用骇人听闻的ASCII86协议。

【参考方案5】：

它可以与 texmacs 一起使用，其中包括 pdf 文件的导入。

【讨论】：

texmacs 是从未尝试解决此问题的废弃软件。

不过，我已经做到了。

告诉我更多！几年前，我将 texmacs 视为一种不需要革命的问题的过度设计方法。我猜你有不同的看法？

【参考方案6】：

从 pdf 文件（由于其复杂的格式）中进行数据挖掘的最佳方法是使用 adobe illustrator 打开它们。 然后将pdf文件转换为svg文件，并使用svg解析器库自己编写一些棘手的代码。

一个高效的 svg 解析器库是 batik

（对于 Linux，将 pdf 转换为 svg 相当复杂： calcmaster.net/personal_projects/pdf2svg/)

PS 我一直在努力寻找问题的第二部分的解决方案 但我已经在诸如“可视化数据，Ben Fry，O'Reilly”之类的书中找到了答案 该 pdf 尤其是 Adob​​e pdf 解析起来很复杂，因此请改用 svg 解析器库。

【讨论】：

OP 要求 Linux 上的解决方案...

【参考方案7】：

Inkscape 可以导入 PDF，然后另存为“带有 PSTricks 宏的 LaTeX”，这基本上是通过将 PostScript 嵌入到 LaTeX 源中来工作的。麻烦多于其价值，生成的 Latex 源必须经过预处理才能再次输出为 PDF。

无论如何，即使有一些假设的 PDF 到 LaTeX 编译器，充其量你会得到一些单独指定每个字符或单词的位置和大小的东西——这与你想要的相反，我猜这是为了分母是分数的一半，而不是水平线下方的某个数字。

【参考方案8】：

可以使用 pdftohtml 和 gnuhtml2latex 将您的 PDF 转换为 HTML 并将您的 HTML 转换为 TEX。

实际上，您分两步进行 PDF 到 LaTeX 的转换。结果仍然像“用汉堡包做牛”，但结合一些清理脚本，结果可能相当不错。

GlobalBlindSpot 上的博文“Rudimentary PDF to LaTeX conversion in Linux”有一个示例 Bash 脚本，可将 .pdf 转换为 .tex 文件，然后再将其转换为 .pdf 文件。

【参考方案9】：

有一个工具可以像 OCR 一样读取 PDF 文件并尝试重新创建 Latex 代码。 它几乎是完美的，被称为"Infty Reader"！ 因为 Latex 的可扩展性很强，所以我认为它并不是所有的格式都是正确的。

【讨论】：

InftyReader 仅适用于 MS Windows。