期刊投稿用iThenticate查重，应该查Word还是PDF版本

正文

你准备好了投稿的稿件——在电脑上有一个 .docx 版本和一个 .pdf 版本。你用iThenticate自查的时候该上传哪一个？问题听起来很简单——但文件格式的选择会直接影响报告上的文本提取效果，进而影响你的相似度数字跟最终编辑看到的数字之间的一致程度。你交错了格式，可能导致你自查看的数字和编辑在出版社系统里跑出来的数字之间出现意外的偏差，而你还以为是你自己改了什么东西。

最稳妥的自查格式是 Word——.docx 格式。原因很简单：iThenticate 对 .docx 的文本提取是最直接、最不易出错的。一个 .docx 文件本质上是一个压缩包，里面包含了 XML 格式的文本内容和格式信息——系统在打开它时直接读取 XML 节点里的文字内容，不需要做任何"视觉重建"或"字符映射"的转换工作。你写在 Word 里是什么字，系统读到的是什么字——顺序和编码保持原样。

PDF 格式的文本提取相对 Word 来说要复杂一些。PDF 是一个页面描述格式——它的文本是被编码在页面的视觉坐标里的。iThenticate 从 PDF 中提取文本时需要根据页面描述来重建文字的读取顺序。正常情况下这个过程是准确的——但如果 PDF 的生成方式不规范（比如是用"打印到 PDF"生成的）或者 PDF 里包含了文本框、特殊字体、嵌套的图表——文本提取可能会出现断字、乱码、或顺序偏移。这些提取层面的小误差不会让你整篇论文的相似度翻天覆地——但它们会让某些句子的比对出现微小的差异，而这些差异可能最终体现为你自查的数字和编辑那边跑出来的数字之间的几个百分点的差别。

如果你最终要提交给期刊的就是 PDF 格式——那你自查的时候也应该用 PDF 格式去查。因为你在投稿系统里上传的是 PDF，编辑跑出来的报告就是基于 PDF 文本提取的结果。你用 Word 自查看到的数字和编辑基于 PDF 跑出来的数字之间可能存在格式差异导致的偏差。在投稿前的最后一次自查——用你最终要提交的格式去查。

不管用哪种格式——查之前花一分钟在你自己电脑上打开你的文件确认一下文字是完整的、可以被正常选中复制的。如果你的 PDF 里的文字不能被鼠标选中（说明它是扫描图片）、或者你复制出来的文字有乱码和缺失——那这份 PDF 在 iThenticate 里也提取不好。重新生成一份标准的 PDF 再提交自查。ithenticate查重入口支持 .docx 和 .pdf 等多种格式的自查提交。ithenticate资讯网上有关于文件格式和查重精度的更多讨论。