OmniDocLaTeX转普通文字：去掉命令保留正文
想把LaTeX源码变成可读的普通文字？本文讲清楚怎么去掉反斜杠命令、环境标记和导言区，保留正文段落，并说明公式、表格、引用该怎么处理。
很多人拿到一份 LaTeX 源文件（.tex），想把里面的论文段落或报告内容复制到邮件、网页或普通文档里，却发现满屏都是 \section、\cite{}、\begin{equation} 这样的标记。直接复制出来，阅读体验很差。这类需求和“把 PDF 转成 Word”不一样：源文件本身就是文本，要做的是把排版命令剥掉，只留下读者需要的正文。
这篇写给需要从 .tex 源码提取正文的写作者、学生和助教。读完你能判断哪些内容该保留、哪些该删，按固定顺序把源码整理成干净的纯文本，并知道做完后该检查什么。如果你搜索“在线 LaTeX 转普通文字”，这里的方法同样适用于在线工具的输出结果的复查。
LaTeX 源码怎么转普通文字？一句话结论
先删掉导言区和环境标记，再把带花括号的格式命令替换成花括号里的文字，公式和表格另行处理，最后对照编译结果通读一遍。这个顺序能让改动范围从大到小，出错时也容易定位。
| 你的情况 | 推荐做法 | 原因 |
|---|---|---|
| 只要段落文字，没有公式和表格 | 删除导言区，去掉常见命令，保留花括号内文字 | 处理量小，出错概率低 |
| 含大量行内公式 | 公式改为“[公式]”占位，或保留原始写法并单独列出 | 公式转成纯文字容易失真 |
| 含表格 | 把每行改写为“列名：值”，或用制表符对齐 | 普通文本里表格结构无法保留 |
| 含参考文献和交叉引用 | 保留作者年份或编号，并逐条核对 | 删掉引用标签后读者无法追溯来源 |
| 文件很长、命令很多 | 先用查找替换处理重复出现的命令，再人工通读 | 逐条手删耗时，容易漏掉 |
开始之前：先确认这几点
动手前花几分钟做判断，能避免整份文件返工。
- 你要的是正文，还是可以再编译的源码？ 如果只为阅读或引用文字，可以转成纯文本；如果以后还要编译，就只在副本上删减，原文件保持不动。
- 有没有多个 .tex 文件？ 章节常写在单独文件里，通过 \input 或 \include 引入。这些章节文件也要一起处理，否则正文会缺章。
- 有没有自定义命令？ 如果导言区里有 \newcommand 或 \def 定义的宏，正文中出现的是宏名。删导言区前要先记下这些宏展开后的文字，否则内容会直接消失。
- 是不是中文文档？ 中文源码常在导言区用 ctex 或 xeCJK 设置字体。这些设置可以整段删除，但文件编码要统一为 UTF-8，否则转出来的中文容易乱码。
- 有没有备份？ 所有删改都在副本上进行。一旦误删，原文件还能找回。
在编辑器里整理 LaTeX 正文的步骤
下面的步骤适用于任何能编辑纯文本的软件。如果要继续排版，可以把整理好的内容放到 UniDoc 网页编辑器（app.unidoc.top）里编辑，该编辑器支持 LaTeX 的往返转换和 Markdown 格式。
- 复制一份源文件。 原文件保持不动，所有修改在副本上完成。
- 删除导言区。 删掉 \documentclass 到 \begin{document} 之间的内容，但先记下其中的宏定义，以便后面替换。
- 删除文档首尾标记。 去掉 \begin{document}、\end{document} 和 \maketitle 这类只负责排版的标记。
- 把章节标题改成普通标题行。 把 \section{引言} 改成“引言”或 Markdown 的二级标题，\subsection 同理降一级。
- 去掉格式命令，保留文字。 把 \textbf{重点}、\emph{强调}、\textit{斜体} 中的命令和花括号去掉，只保留括号里的文字。
- 处理公式、表格和图片标记。 行内公式可以保留原文或换成“[公式]”占位；表格逐行改成“列名：值”；\includegraphics 等图片命令直接删除，并在原位置留一句图注。
- 处理引用和交叉引用。 把 \cite{smith2020} 换成“（Smith，2020）”这类作者年份，或保留编号；\ref 和 \label 成对删除，并把“如图 1 所示”之类的说法改为直接描述内容。
- 保存为 UTF-8 纯文本。 检查编码后保存，再通读一遍，确认段落之间的空行没有丢失。
做完后逐项核对
整理完成不代表没有问题。下面几项容易出错，建议逐项检查。
| 检查项 | 怎么看 | 有问题怎么办 |
|---|---|---|
| 残留反斜杠 | 搜索“\”，看剩余位置 | 逐个确认是不是命令，是则删除或改写 |
| 花括号是否成对 | 统计左右花括号数量 | 不成对说明误删了内容，回到副本找回 |
| 数字和专有名词 | 与编译后的 PDF 逐段对照 | 差异处以 PDF 为准修正 |
| 公式含义 | 查看公式位置是否有占位或原式 | 重要公式补回原始写法 |
| 引用对应关系 | 检查每个引用能否在参考文献中找到 | 缺失的补上作者年份或编号 |
| 中文显示 | 用编辑器打开，看是否出现方块或问号 | 确认文件为 UTF-8 后重新保存 |
📊 核心对比
常见的纯文本提取方法有三种，各自适合的场景不同。
| 方法 | 适合 | 主要风险 |
|---|---|---|
| 手动逐段删改 | 篇幅短、命令少的文档 | 耗时，容易漏掉深处的命令 |
| 查找替换加人工通读 | 篇幅长、命令重复出现的文档 | 替换规则写得太宽，会误伤正文中的反斜杠或花括号 |
| 从编译后的 PDF 复制 | 只需要大致文字，不关心格式 | 页眉页脚、页码、断行和连字符会混入，公式常常乱码 |
对多数人来说，先用查找替换处理重复命令，再手动修正公式和表格，是效率和准确度的较好平衡。
❓ 常见问题（FAQ）
1. 直接复制编译后的 PDF 文字行不行？
可以快速拿到文字，但结果会带上页眉页脚、页码和断行，连字符也会留在单词中间。公式通常无法正确复制，需要再整理一遍。
2. 公式要不要保留？
如果读者需要理解公式本身，就保留原始写法，或者用文字描述它的含义。如果只是朗读、摘要或放进普通文档，用“[公式]”占位并在别处说明即可。
3. 在线转换网站能一步完成吗？
在线转换网站可以处理简单的命令和段落，但遇到自定义宏和特殊环境时容易漏掉内容。选择时可以看文件大小限制、是否会保留或上传你的内容，以及输出结果是否保留段落结构。建议把它的输出当作初稿，再按本文的核对表检查。
4. 删掉 \cite 以后，参考文献怎么办？
把引用改成作者年份或编号，并把参考文献列表单独放在文末。这样正文仍可追溯来源，阅读也不会被标记打断。
5. 中文源码转出来是乱码，怎么处理？
先确认文件以 UTF-8 编码保存，再检查导言区是否设置了 ctex 或 xeCJK 等中文支持包。乱码多半是编码不一致造成的，统一编码后重新保存通常就能解决。
📝 总结
把 LaTeX 源码变成普通文字，关键是先分清结构、正文和公式，再按顺序去掉命令、保留花括号里的内容。整理完成后，一定要与编译后的 PDF 对照，核对数字、引用和专有名词。
