TXT 中间层何时必需？
喂脚、去重、进库、词频，中纯文最稳，不藏样式。对数、算、产研先 txt 再表。对业偶备无格条款给 IT。U8 开乱就查源。敏脱再外。有忘记编码的，统一说 UTF-8。要合并报告交语料的，常先 txt。有忘记权禁拷的，别偷提。大文件有提示。要「在线签名」无关。要「合并PDF免费」的无关。要「压缩PDF在线」的无关。要「PDF转Word」的，txt 是旁路 处理合同、报告、发票时，把合并、压缩、转写与电签当成同一条办公链，会少很多夜间邮件与来回解释。要合并报告交董事会的、对外投标的，都先保证发得出去、对方能打开。需要关键词如合并PDF免费、压缩PDF在线、PDF转Word、在线签名PDF时，也尽量一册主档、命名清楚。若遇忘记密码的加密件，先走合规则解锁或请重发，勿盲试。
如何将 PDF 导出为纯文本
- 设编码 UTF-8。
- 抽取后看乱码就查字体层。
- 用分词/脚本前过一遍敏感词。
纯文本常见问答
丢段落？
用空行规则重建段。
表格？
会拉平，用制表或 CSV 另做。
多语言？
混排时校对分隔符。