可搜尋PDF中的亂碼；非拉丁字母表的問題

Updated: 2026年7月3日

使用IronOCR進行文件OCR處理，將其保存為可搜尋的PDF，螢幕上顯示辨識的文字可能正確，但當您複製或提取時會變成亂碼。這種情況發生在PDF的字型對您辨識的文字沒有字元時，這在非拉丁字母和複雜的文字中很常見。解決辦法是使用支援您文字的字型保存PDF；如下範例使用的是古吉拉特文。

辨識後的文字沒有匹配的字元可以映射，所以即使OCR正確地讀取了該頁面，複製出來的文字仍然是亂碼。僅用拉丁字母的字型無法解決這個問題；您提供的字型必須覆蓋到您實際識別的文字。

先決條件

請注意: 需要IronOCR 2026.3.3或更新版本。

尋找包含您目標文字的字型，放在機器上，並記下其完整路徑。對於古吉拉特文的例子：

C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf

C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf

Text

AnekGujarati可變字型的檔名包含逗號，所以請準確地複製它。路徑必須指向精確的字型檔案。

當保存可搜尋PDF時，提供可以支援您文字的字型路徑作為CustomFontFile（第三個）參數。第4個參數是一個可選的CustomFontName標籤；如果您省略它，IronOCR將使用字型檔案本身的名稱：

ocrResult.SaveAsSearchablePdf(
    strOutputFile,
    false,
    @"C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf",
    "AnekGujarati");

ocrResult.SaveAsSearchablePdf(
    strOutputFile,
    false,
    @"C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf",
    "AnekGujarati");

解決亂碼抽取的參數是字型檔案（第三個參數）：必須包含您進行OCR讀取的文字字元。第4個參數僅是嵌入字型的名稱，並不影響字型映射。對於不同的文件，指向第三個參數到支援該文字的字型。

開啟生成的PDF並複製辨識的文字，以確認其現在可以正確提取。如果它仍然顯示為亂碼，則您提供的字型幾乎可以確定缺少該文字的字元；重新檢查字型是否真正覆蓋到該文字。

不僅限於古吉拉特文： 任何非拉丁或複雜的文字在PDF字型沒有覆蓋時都可能顯示亂碼，包括梵文（印地語、馬拉地語）、阿拉伯語、泰語，以及中、日、韓文。
**每個文字一個字型：**提供包含您識別文字的字型。 Google的Noto字型家族是一個廣泛的選擇，包括如Noto Sans Gujarati、Noto Sans Devanagari和Noto Sans Arabic等按文字分類的字型。