導(dǎo)致論文查重亂碼的原因是什么？

咱們來(lái)聊聊論文查重時(shí)為啥會(huì)出現(xiàn)亂碼，這事兒挺讓人頭疼的，原因其實(shí)有好幾個(gè)方面：

文件格式轉(zhuǎn)換惹的禍。這是最常見(jiàn)的原因之一。很多查重系統(tǒng)其實(shí)更“喜歡”處理純文本文件，.txt 或者 .docx。但咱們交論文，經(jīng)常是 .pdf 格式，覺(jué)得這樣排版好看又固定。問(wèn)題就出在 .pdf 文件是怎么生成的。如果你是用 Word 另存為的 .pdf，里面文字信息通常保留得比較好，轉(zhuǎn)換出問(wèn)題的可能性小點(diǎn)。但如果你交的 .pdf 是掃描圖片生成的（比如把紙質(zhì)文件掃描了），或者里面包含了大量圖片格式的文字（比如截圖粘貼的文字），查重系統(tǒng)就需要先把圖片里的文字“認(rèn)”出來(lái)（這叫OCR識(shí)別）。這個(gè)識(shí)別過(guò)程很容易出錯(cuò)，特別是圖片質(zhì)量不高、字體特殊或者排版復(fù)雜的時(shí)候，認(rèn)出來(lái)的字就可能變成一堆看不懂的符號(hào)，也就是亂碼。就算 .pdf 本身是文字版的，系統(tǒng)在把它“拆解”成純文本進(jìn)行分析時(shí)，也可能因?yàn)榧嫒菪詥?wèn)題，把一些特殊格式、腳注、頁(yè)眉頁(yè)腳里的文字弄亂套。

特殊符號(hào)和公式是“重災(zāi)區(qū)”。論文里免不了有些特殊符號(hào)，數(shù)學(xué)、物理、化學(xué)公式里的各種符號(hào)，復(fù)雜的上下標(biāo)，化學(xué)結(jié)構(gòu)式，或者一些特殊領(lǐng)域的專業(yè)符號(hào)。這些符號(hào)在咱們用的編輯軟件（比如 Word 或 LaTeX）里顯示得好好的，是因?yàn)檐浖J(rèn)識(shí)它們。但查重系統(tǒng)的“識(shí)字”能力是有限的，它可能不認(rèn)識(shí)或者不支持處理這些復(fù)雜的符號(hào)和格式。當(dāng)系統(tǒng)遇到它“看不懂”的東西時(shí)，就可能直接顯示成亂碼，或者干脆跳過(guò)不處理，導(dǎo)致這部分內(nèi)容在查重報(bào)告里顯示異常。公式編輯器做出來(lái)的東西，尤其容易出這個(gè)問(wèn)題。

字體兼容性不好。有時(shí)候，你論文里用了比較少見(jiàn)或者自己安裝的特殊字體。在你電腦上看著很漂亮、很專業(yè)。但是，當(dāng)你把文件上傳到查重系統(tǒng)后，系統(tǒng)那邊可能根本沒(méi)有安裝你用的那種字體。系統(tǒng)找不到對(duì)應(yīng)的字體來(lái)顯示這些文字，它就可能用一些默認(rèn)的、錯(cuò)誤的字符來(lái)代替，結(jié)果就是顯示出來(lái)一堆亂碼。

復(fù)制粘貼操作不當(dāng)。這個(gè)原因看起來(lái)簡(jiǎn)單，但確實(shí)會(huì)發(fā)生。你從網(wǎng)頁(yè)上、PDF文件或者其他格式的文檔里復(fù)制了一大段文字，直接粘貼到你的 Word 文檔里。這樣做，往往會(huì)把原文的格式、隱藏字符甚至網(wǎng)頁(yè)代碼也一起帶過(guò)來(lái)。這些“額外”的東西混在你的論文文字里，查重系統(tǒng)在讀取時(shí)，會(huì)把它們也當(dāng)成文本內(nèi)容來(lái)處理，但它又無(wú)法正確解讀這些非正常文本的字符，最終在報(bào)告里就表現(xiàn)為亂碼。特別是從網(wǎng)頁(yè)復(fù)制，很容易帶過(guò)來(lái)很多 HTML 代碼的殘留。

文件本身?yè)p壞或上傳中斷。這種情況相對(duì)少點(diǎn)，但也不能完全排除?？赡苣愕恼撐奈募诒４婊蛘邆鬏斶^(guò)程中出了點(diǎn)小問(wèn)題，導(dǎo)致文件內(nèi)部數(shù)據(jù)有點(diǎn)損壞。或者，在上傳到查重系統(tǒng)的過(guò)程中，網(wǎng)絡(luò)不太穩(wěn)定，上傳中斷了，結(jié)果傳上去的文件不完整。系統(tǒng)拿到一個(gè)不完整或者損壞的文件，自然無(wú)法正確讀取里面的文字信息，解析出來(lái)的結(jié)果就可能包含大量亂碼。