論文查重為什么不建議上傳PDF格式?

論文查重系統(tǒng)的工作原理是讀取你上傳文件里的文字內(nèi)容，然后和系統(tǒng)里龐大的數(shù)據(jù)庫(kù)（其他論文、書籍、網(wǎng)頁(yè)內(nèi)容）進(jìn)行比對(duì)，找出相同或高度相似的部分。為什么上傳PDF格式可能會(huì)出現(xiàn)問題呢？

PDF文件有時(shí)候里面的文字，并不是真的“可復(fù)制粘貼”的文字，而是一張圖片。有些PDF是掃描紙質(zhì)文檔生成的，整頁(yè)都是一張圖片。作者用了某些特殊字體，或者用軟件生成復(fù)雜圖表時(shí)，里面的文字可能被系統(tǒng)當(dāng)成圖片處理。查重系統(tǒng)需要“讀”里面的文字才能進(jìn)行比對(duì)，如果文字變成了圖片，系統(tǒng)就“讀”不出來里面的內(nèi)容。本該被查出來的抄襲內(nèi)容（在圖片里的文字），系統(tǒng)識(shí)別不到，沒標(biāo)出來，給你一種重復(fù)率很低的錯(cuò)覺。等你交上去學(xué)校用更嚴(yán)格的系統(tǒng)或人工審核時(shí)發(fā)現(xiàn)問題就麻煩了。系統(tǒng)勉強(qiáng)解析圖片里的文字，但結(jié)果亂七八糟或者空白一片，這樣生成的查重報(bào)告根本沒意義。

目錄、頁(yè)眉頁(yè)腳、頁(yè)碼、腳注/尾注： PDF里的這些信息格式很特殊。查重系統(tǒng)在努力提取所有文字時(shí)，很容易把這些區(qū)域里重復(fù)出現(xiàn)的東西也當(dāng)成正文內(nèi)容抓出來，錯(cuò)誤地計(jì)入重復(fù)率。明明不是抄襲的內(nèi)容，卻被標(biāo)紅，虛增了重復(fù)率。

參考文獻(xiàn)： 查重很重要的一點(diǎn)是要識(shí)別和排除參考文獻(xiàn)部分。但PDF里的參考文獻(xiàn)格式，系統(tǒng)可能識(shí)別不好，結(jié)果把本該排除的參考文獻(xiàn)內(nèi)容也當(dāng)作正文去查重了。你自己看報(bào)告，發(fā)現(xiàn)參考文獻(xiàn)部分一大片標(biāo)紅，心里會(huì)沒底，搞不清到底是引用格式問題還是真有抄襲。

分欄排版、文本框： PDF里復(fù)雜的排版，會(huì)打亂文字的閱讀順序。系統(tǒng)讀取時(shí)可能從左欄跳到右欄，甚至把不同欄的文字硬湊到一塊看。結(jié)果查重報(bào)告里顯示你“抄襲”了一些奇怪的組合句子，其實(shí)只是排版造成的誤解。

特殊內(nèi)容不兼容：

公式、圖表（尤其是復(fù)雜圖表）： 論文里的公式和一些復(fù)雜圖表，在轉(zhuǎn)換為PDF時(shí)可能使用了特殊元素。查重系統(tǒng)主要分析文字，處理這些特殊元素很吃力，可能解析不出來公式里的字母，或者把圖表的說明性文字識(shí)別錯(cuò)誤。

插入的對(duì)象： PDF里包含的其他文件對(duì)象（Excel表格的截圖），里面的文字系統(tǒng)更難讀取。

批注或修訂痕跡： 如果你交的PDF里還保留了導(dǎo)師的批注或者之前修改留下的痕跡，查重系統(tǒng)極有可能把這些也當(dāng)作你論文內(nèi)容的一部分去查重。報(bào)告結(jié)果出來，發(fā)現(xiàn)一堆批注的句子被標(biāo)紅，簡(jiǎn)直是自己給自己添亂。

如果PDF文件本身比較特殊（加了加密、用了非常規(guī)壓縮），或者里面的內(nèi)容實(shí)在讓系統(tǒng)無法正確解析，最壞的結(jié)果就是整個(gè)上傳失敗。你白白浪費(fèi)時(shí)間。