把 PDF 转成 LaTeX,而无需上传到任何地方

大多数 PDF 转 LaTeX 的转换器都跑在别人的服务器上。Oleafly 中确定性的本地转换是怎么工作的,它能还原什么、不能还原什么,以及什么时候可选的 AI 优化会有帮助。

搜索“PDF 转 LaTeX”,你会找到一堆上传表单。对于你拥有改编权利的已发表论文,这也许没问题。但对于正在审稿的草稿、基金申请,或者含有未发表结果的稿件,上传往往是错误的做法。

对于文本型 PDF,转换并不需要转换类的 SaaS 服务。你可以在自己的电脑上重建可编辑的源码,然后继续在真正的本地编辑器里写作。

人们为什么上传(以及你为什么可以不上传)

上传式转换器很省事:拖进 PDF,等一会儿,下载 zip。代价是草稿的每一页都会落到别人的 GPU 和日志里。课题组、医院和公司的规定往往禁止对未发表的工作这样做,哪怕界面让它显得人畜无害。

本地转换改变了默认状态。在确定性转换这一步,PDF 始终留在磁盘上。

本地转换是怎么工作的

文本型 PDF 本身就包含了文字、位置和字体元数据。转换器可以读取这一层,并根据几何信息重建结构:

  • 对字号聚类,找出各级标题和论文标题
  • 用 x 坐标直方图检测双栏版式并修正阅读顺序
  • 依据字体名称标记,还原粗体、斜体和等宽字体的文字
  • 依据基线偏移,识别下标和上标
  • 把 Unicode 数学字形映射回 LaTeX 宏
  • 去除重复出现的页眉和页脚
  • 内嵌的位图可以提取为图片文件

这些都不需要模型、服务器或网络连接。输出里的文字就是 PDF 里的文字。结构则是一种可检查的推测,你可以手动修正。

确定性转换做不到的事

扫描版 PDF 没有文字层,不做 OCR 就没有可读的内容。复杂的行间公式和表格是以定位好的字形排出来的,要可靠地还原它们的源码,仅靠几何信息是不够的。多栏的边界情况和浮动的脚注仍然需要人工清理。

好的转换器会如实说明这一点,而不是悄悄把内容弄得面目全非,还让它看起来像是已经完成了。

AI 能帮上忙的地方

有了页面图像和确定性转换得到的草稿,视觉模型可以重建表格、修正行间公式,并转写扫描件。这一步应当是可选的、明确触发的,并且指向你自己选择的提供商,使用你自己持有的密钥。

隐私模型很简单。确定性转换这一步始终在本地。“用 AI 优化”只在你点击时才运行,流量只会发往你配置的模型端点,而不会经过一个可能拿草稿去训练模型的免费上传网站。

在 Oleafly 中怎么做

免费的 Oleafly 桌面应用 (在新标签页中打开)把这套两级流程直接放进了日常写作所在的同一个科研工作区:

  1. 确定性的本地转换:不需要 AI 密钥,不需要网络。把许多文本型 PDF 重建为可编辑的 LaTeX,提取出可以单独下载的图片,并如实报告哪些内容是按纯文本保留的,而不是凭空编造结构。
  2. 可选的“用 AI 优化”:用你的密钥、你的提供商,只在你要求时运行。不会有任何内容经过 Oleafly 的转换后端。流量只会发往你选择的模型端点。

结果会以一个项目的形式出现,你可以用完整的工作流程继续编辑:项目级的交叉引用和文献引用、实时诊断、用内置的 Tectonic 引擎编译、支持 SyncTeX 的 PDF 预览、仅针对正文的离线拼写 / 语法检查、真正的 Git 检查点,以及用于收尾清理的、需要你批准才生效的可选 AI。导入之后,你用的就是写任何其他论文时同样的工具。

实用建议

  • 优先选用数字生成的文本型 PDF(你自己以前导出的文件、你有权改编的出版社校样)。扫描件需要 OCR 或视觉模型优化。
  • 第一轮转换之后,预计要手动清理浮动体、多栏的边界情况和公式密集的部分。转换只是一个起步,不是终稿。
  • 如果你要把还原出来的文本与已有的 .bib 合并,请校验参考文献条目(BibTeX 校验器)。
  • 从第一次成功编译起,就把还原出来的项目纳入 Git 管理,这样清理时的提交都可以回退。
  • 不要转换你无权改编成衍生源码并再分发的 PDF。工具并不会赋予你版权。

一套稳妥的还原流程

  1. 在本地导入或转换 PDF。
  2. 立即编译;先修复导言区和宏包的错误。
  3. 逐个检查图和表;如果你还留着原始素材,就用它们替换出问题的部分。
  4. 用一份干净的 .bib 重新引用,不要盲目相信还原出来的 \cite 引用键。
  5. 建一个检查点,然后才做大的结构调整。

结论

如果另一个选择是重新敲一遍二十页的方法部分(或者把它粘贴进浏览器里的上传表单),那么本地重建通常已经是足够好的起步:源码在磁盘上,图片已提取,导入之后面对的是一个真正的编辑器。让优化这一步保持可选、明确触发,这样你就能向课题组或合规团队清楚地解释数据走向,而不必含糊其辞。

所有文章