PDF示例的问题不在于它是线性化的。

实际问题是PDF中的大多数字体缺少文本提取所需的信息：它们既没有ToUnicode映射也没有有用的编码，而且它们是类型3字体，这阻止了从相关字体程序或CIDFont字典中检索附加信息。

特别是，此类PDF通常是显式生成的，以防止常规文本提取器提取文本。

对于这样的PDF基本上你唯一的选择是尝试OCR。

线性化不应该是文本提取的问题，但并非所有纯文本都如您所料，因为有些结构不能用纯文本描述。因此，不清楚您在源文件中显示的哪一部分，但简单的PDFtotext似乎没有问题。我会避免通用OCR可能会增加错误。数学公式最好由专用的方程转换器转换，它们OCR图像片段。https://mathpix.com/Snip是商业市场的领导者，很少有竞争对手看到https://www.sciaccess.net/en/InftyReader/

在这里，我们可以从pdf中看到infty孤立的svg公式及其OCR提取的字符Yj=γEj 1/θ（Ej）θ−1……这对于这种类型的反转是没有意义的。数学表格或公式的副本作为图像通常是最好的解决方案，否则结果很可能被破坏。注意如何识别一些大括号，但不是一些关键的大括号。