Files

yoge 76f1bde56d feat: add 5 new blog posts (en + zh)

- how-ai-reads-math: plain-English explainer of the recognition pipeline
- student-workflow: lecture-to-LaTeX workflow for students
- pdf-formula-issues: troubleshooting guide for PDF extraction errors
- copy-math-to-word: 3 methods for getting formulas into Word, ranked
- researcher-workflow: digitizing handwritten research notes at scale

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

2026-03-26 16:46:31 +08:00

3.6 KiB

Raw Blame History

title, description, slug, date, tags

title

description

slug

date

PDF 公式识别出错的原因及修复方法

PDF 公式提取本应简单——上传、得到 LaTeX、完成。但有时输出乱码、符号丢失，或者提示没有找到公式。以下是最常见原因的分析及对应的修复方法。

问题 1：PDF 是扫描件

症状： 屏幕上公式显示正确，但提取输出是乱码或空白。

原因： 扫描 PDF 实际上只是一组图片——没有真正的文字层。你在 PDF 阅读器中看到的文字，要么来自扫描时进行的 OCR（往往质量较差），要么直接来自图像本身。

解决方法： 使用 TexPixel 的图像识别流程。用任意 PDF 查看器将页面导出为 300 DPI 的 PNG（Preview 中选择"文件 → 导出为图像"，或 Adobe Acrobat 的"导出 PDF"功能），然后直接上传 PNG。图像识别能正确处理扫描件；直接提取 PDF 文字则不行。

问题 2：扫描分辨率过低

症状： 部分符号识别正确，其他符号被替换为错误字符或直接丢失。

原因： 低于约 150 DPI 时，\prime、\cdot 或下标字符等小符号的笔画只有几个像素宽——模糊到无法可靠区分。

解决方法： 以 300 DPI 重新扫描。大多数平板扫描仪默认 200 DPI；提高到 300 DPI 能显著改善效果，且文件大小增加不大。对于手机扫描，使用专用扫描 App（如 Adobe Scan、Microsoft Lens）——这些 App 会自动锐化并进行透视校正。

问题 3：PDF 有密码保护

症状： 显示"未找到公式"或上传完全失败。

原因： 加密 PDF 需要密码才能访问内容流。TexPixel 无法处理加密文件的内容。

解决方法： 上传前移除密码保护。在 Mac 的 Preview 中，用密码打开后，选择"文件 → 导出为 PDF"——导出的文件不含密码。在 Adobe Reader 中，使用"文件 → 打印 → 存储为 PDF"。

问题 4：公式存储为矢量路径

症状： PDF 显示完美，但提取结果为空或不正确。

原因： 某些 PDF 生成器（特定版本的 Word、部分在线 LaTeX 渲染器）会将数学公式光栅化或矢量化为路径——公式本质上是图形，而非字符，没有字符流可以提取。

解决方法： 将页面导出为高分辨率 PNG（300 DPI），然后作为图像上传。TexPixel 的视觉识别流程能很好地处理矢量渲染的公式。

问题 5：双栏排版

症状： 两栏的公式在输出中被合并或交叉混排。

原因： PDF 文字流并不总是以正确的阅读顺序编码，在双栏学术论文中尤为如此。

解决方法： 上传前裁剪为单栏。用任意图像编辑器将页面裁成左右两半，分别上传。

问题 6：手写批注

症状： 印刷公式上的手写笔记干扰输出。

原因： TexPixel 同时看到了印刷公式和手写批注，可能会尝试将批注识别为公式的一部分。

解决方法： 紧密裁剪，只保留印刷公式部分，排除周围的手写内容。

快速排查清单

上传有问题的 PDF 之前，先检查：

是扫描件还是数字原生 PDF？
如果是扫描件，分辨率是多少 DPI？
是否有密码保护？
是否是双栏排版？
是否有手写批注？

逐项排查，能解决 90% 的问题。

上传你的 PDF →

3.6 KiB Raw Blame History Unescape Escape