平时处理PDF资料，有一种情况特别常见。
手里拿到一份几十页的PDF，真正需要的可能只是里面的文字内容。
如果直接复制，几页还好说，文件一多就比较麻烦。
更麻烦的是，有些PDF复制出来以后排版完全变了，段落断开，换行混乱，甚至粘贴到记事本以后出现乱码。
这时候，把PDF转换成文本文件反而更直接。
但这里有个细节需要注意：PDF转文本并不等于“把PDF原样复制成TXT”。
两者的文件结构完全不同。
PDF转文本到底适合什么场景？
我觉得最典型的就是资料整理。
比如手里有一份产品说明、一篇较长的报告，或者一份需要提取文字的资料。
如果最终只是想把里面的文字拿出来继续整理，那么PDF转TXT会比反复复制粘贴方便。
还有一种情况是做内容检索。
PDF本身适合阅读，但如果需要把文字内容放到其他文本编辑工具里继续处理，纯文本格式会更加简单。
对于一些程序或者办公流程来说，TXT也更容易进行后续处理。
所以PDF转文本的核心并不是“改变文件格式”，而是把PDF里面可以读取的文字内容提取出来。
为什么有些PDF转出来效果很好，有些却很乱？
关键还是PDF本身。
如果PDF里的文字本来就是可以选择、可以复制的文本，那么转换通常比较容易理解。
但如果PDF实际上是一张张图片，比如扫描资料、拍摄的文件，那么事情就不一样了。
这时候看到的是文字，但计算机未必把它当成真正的文字。
如果需要从扫描页面中识别出文字，就涉及OCR等技术，和普通的PDF文本导出不是完全一样的处理方式。
所以遇到“PDF转文本后什么都没有”或者“转换出来内容很少”的情况，先不要急着换工具。
可以先尝试选中PDF里面的文字。
如果完全无法选择，或者选中以后只是整张图片，那么这份文件本身就可能不是普通文本型PDF。
PDF转TXT以后，排版为什么会变？
这个问题也比较常见。
PDF的页面排版是固定的。
例如一页里面有标题、正文、两栏内容、页眉和页脚。
转换成TXT以后，这些视觉上的位置关系并不会原样保留下来。
最终得到的只是文本内容。
所以你可能会看到：
原来两栏的内容变成连续文字。
标题和正文之间的距离消失。
页眉、页脚也可能混在正文里面。
换页位置变成换行符。
表格内容可能按照另一种顺序出现。
这并不一定代表转换失败。
因为TXT本身就不是用来保存复杂页面排版的。
如果你需要的是“文字内容”，这些变化通常可以接受。
如果你需要的是“原来的版式”，那就应该考虑其他文件格式，而不是TXT。
PDF转文本后乱码怎么办？
如果转换后的文字出现乱码，首先可以检查编码设置。
TXT并不是只有一种编码方式。
不同工具在导出文本时，对字符编码的处理可能不同。
Adobe 官方目前的 PDF 转 TXT 流程中就提供了编码设置选项，说明编码本身确实会影响文本导出的结果。
如果主要处理中文资料，发现转换后出现大量无法识别的字符，就不要直接把这份乱码文件继续复制到其他文档里。
先重新转换一次，检查文本编码是否合适。
如果换了编码仍然无法正常显示，就要继续判断是不是原PDF字体、文字结构或者文件本身存在特殊情况。
手机上临时提取文字可以吗？
可以。
比如同事发来一份PDF，你只需要拿里面的一小段内容。
如果文件本身允许复制文字，手机直接选中文字通常就够用了。
如果需要提取整份几十页资料，再考虑转换成文本文件。
这时候手机端工具的优势主要就是方便。
不用专门把文件传到电脑以后再处理。
但如果最终还需要对几十页文字进行整理，我还是更建议在电脑上完成后续操作。
因为纯文本一旦变长，手机上编辑和检查并不算特别舒服。
PDF转文本和PDF转Word有什么区别？
这两个需求很容易搞混。
如果只是需要文字内容：
PDF转TXT比较直接。
如果还希望继续编辑文档结构、调整标题、段落和页面：
PDF转Word会更符合需求。
简单说，TXT更关注“把文字拿出来”。
Word则更接近“把内容变成可以继续编辑的文档”。
如果只是为了搜索、复制、整理文字，没有必要为了保留原来的页面结构而选择更复杂的格式。
反过来，如果后面还要做正式排版，也没必要先转TXT，再从TXT重新整理一遍。
国内PDF工具怎么选？
日常处理PDF时，我觉得没必要为了一个简单功能把工具弄得特别复杂。
如果是手机上临时提取一些PDF内容，可以优先考虑操作比较简单的工具。
天天PDF转换更偏向日常、移动端的快速处理场景，适合临时文件整理。
如果是论文、报告、正式办公资料这类文件，我会更关注整体文件处理过程是否稳定，西西PDF转换可以作为正式PDF处理时的一个选择。
不过这里还是建议根据具体文件来判断。
尤其是扫描PDF，不能简单认为“PDF转文本”就一定等于文字识别。
文件本身是什么类型，会直接影响最后得到的结果。
转换之前先做一个小检查
如果只是普通PDF，可以先尝试选中文字。
能够正常选中并复制，说明它大概率包含可直接读取的文字内容。
如果只能把整页当成图片拖动，那就要注意了。
这类文件后续可能需要识别文字，而不是单纯进行文本格式转换。
另外，如果PDF里有大量表格，也不要预期TXT能够完整保留表格结构。
TXT更适合连续文字。
表格、复杂排版、图片等内容，转换以后通常需要另外处理。
最后说说实际使用
PDF转文本其实是一个比较小的功能，但在资料整理的时候挺省时间。
尤其是手里只有PDF原文件，又需要快速提取其中的文字内容时，不需要一段一段复制。
不过使用前最好先判断PDF是什么类型。
普通文字型PDF，重点关注文本导出和编码。
扫描类PDF，则需要考虑文字识别。
如果只是想拿到文字内容，TXT就够用了。
如果还需要保留较完整的文档结构，那么Word等可编辑格式可能更合适。
把这个区别弄清楚以后，处理PDF的时候就不会为了一个简单需求反复折腾文件格式了。