学术论文提交的文件格式：LaTeX、DOCX 和 PDF
为什么学术论文的提交格式很重要
提交论文可不仅仅是附上文件、点击发送那么简单。编辑、同行评审专家和自动化的稿件系统都有特定的格式要求。格式不匹配可能会导致你的论文在任何人读到摘要之前就被直接拒稿。例如，《自然》系列期刊可能接受初稿是 PDF，但修改时则要求提供可编辑的 Word 或 LaTeX 文件。ACM 数字图书馆的要求甚至更严格：必须使用其官方的 LaTeX 模板（acmart.cls）或对应的 Word 模板，否则如果分栏布局不对，你的投稿就会被直接退回，连评审机会都没有。 在学术出版界，LaTeX（.tex 源文件编译成 PDF）、Microsoft Word (.docx) 和便携式文档格式 (.pdf) 这三种格式占据主导地位，各有其优缺点和转换难题。知道何时使用哪一种，以及如何在不破坏参考文献、公式编号或图表的情况下进行格式转换，是一项能真正节省时间的技能。随便问一个研究生，他们都可能经历过因为院系在最后一个学期更改了模板要求，结果花了一整个周末把毕业论文从 DOCX 重新排版成 LaTeX 的痛苦。那种痛苦是真实存在的。 本文将深入探讨每种格式的技术细节及其常见的转换路径。我们会分析像 CocoConvert 这样的自动化工具在哪些地方能救你一命，又在哪些地方无能为力。假装每次转换都是完美的肯定会出问题，最好在截止日期前就了解你所用工具的局限性。我们不会假装每次转换都是无损的；那样做既不诚实，最终对你的投稿也更有害。
LaTeX：以易用性为代价的精准排版
LaTeX 不是文字处理器，而是一个排版系统。你在一个 .tex 文件中编写纯文本标记，用 TeX Live 或 MiKTeX 等工具进行编译，就能得到一个排版精度极高的 PDF，这是 Word 望尘莫及的，尤其是在处理数学公式方面。正因如此，美国数学会、IEEE 以及大多数物理学和计算机科学领域的期刊都要求或强烈推荐使用 LaTeX。这一切都关乎可复现性：一个包含 .bib 参考文献和图表的 .tex 文件，就是一份关于文档如何构建的完整、可审查的记录。 最大的障碍是学习曲线。如果你对安装软件不陌生，大概花 30-90 分钟就能搭建好一个可用的 LaTeX 环境。但写第一篇论文时，你得不断地查资料，即便是插入图片（`\includegraphics[width=0.8\linewidth]{fig1.pdf}`）或交叉引用章节（`\ref{sec:methods}`）这样的简单任务。基于浏览器的编辑器 Overleaf 让这一切变得简单多了。它的免费版对个人项目来说相当慷慨（6 GB 存储空间，实时编译），不过如果要在大型文档上进行严肃的协作，你还是需要付费版。 LaTeX 真正的强大之处在于结构上的一致性。公式编号、章节计数器和引文键都是通过编程方式处理的。在第 2 节中添加一个新公式，后续所有 47 个公式都会自动重新编号，这并非奢侈功能，而是一种正确性的保证。相比之下，DOCX 文件中手动输入的公式编号在修改过程中很容易乱掉——这也是已发表论文中常见的错误来源。 对于不熟悉技术的合作者来说，原始的 .tex 源文件简直就是天书。一个习惯用 Word 的合著者根本无法对你的文件进行有意义的编辑。也别指望能用简单的“修订”功能了，没有像 latexdiff 这样的专门工具，这种工作流根本无法跨越格式的鸿沟。
DOCX：通用的折中方案
Microsoft Word 的 .docx 格式在人文学科、社会科学和医学期刊中成为默认格式是有原因的。这是那些非程序员的编辑人员所使用的语言。它最大的优点就是极高的易用性：几乎任何有 Word、Google Docs、LibreOffice 或 Pages 的人都能打开和编辑 .docx 文件。“修订”、评论和版本历史等功能是编辑工作流程的基石，在 .docx 生态系统内它们都能正常工作。 从技术上讲，一个 .docx 文件就是一个装满了 XML 文件的 ZIP 压缩包。如果你把文件后缀从 .docx 改成 .zip 并解压，你会发现正文在 `word/document.xml` 中，样式定义在 `word/styles.xml` 中，还有一个 `word/_rels/` 目录管理着所有部分的关联。正是这种结构化的架构，才使得自动化工具能够解析和转换 DOCX 文件。 对于技术性内容，DOCX 就暴露了它的弱点。复杂的数学公式是个大问题。用 Word 自带的公式编辑器（插入 → 公式，或 Alt + =）编写的公式，在转换后往往无法幸免。它们以 OMML（Office Math Markup Language）格式存储，必须被转换成 MathML 或 LaTeX 语法。对于比基本分数更复杂的公式，这种转换就不太靠谱了。一个带有自定义间距的矩阵或一个多行对齐的公式几乎肯定会出错。 然后是图片布局。任何尝试过给一篇长 Word 文档定稿的人，都体会过图片在页面间跳来跳去的痛苦。Word 的默认文字环绕方式，可能导致文档在另一台默认打印机驱动不同的电脑上打开时图片位置发生偏移——这是一个存在了十多年的已知 bug。对于要求布局完美的“相机就绪”终稿来说，这是个致命问题。唯一安全的解决方法是把每一张图片都设置为“嵌入型”定位（右键点击图片 → 环绕文字 → 嵌入型）。这样可以防止图片浮动，但也彻底锁定了它的位置。
PDF：通用的提交标准，但并非总能编辑
审稿人读的就是 PDF。大多数投稿系统在初审阶段也要求提交 PDF。这个格式的全部意义就在于，在任何设备和操作系统上都能保持视觉保真度。一个在 Mac 上用 Helvetica Neue 字体制作的 PDF，在没有该字体的 Windows 电脑上看起来会完全一样，因为 PDF 格式默认会嵌入字体子集。 在学术界，并非所有 PDF 都生而平等。有“原生数字”（born-digital）PDF，它们是通过编译 LaTeX 或从 Word 导出生成的。这类 PDF 包含真实的文本字符、嵌入的字体和结构化元数据。屏幕阅读器可以解析它们，搜索引擎可以索引它们，你也可以准确地复制粘贴文本。还有一种是扫描版 PDF，它们本质上就是图片。没有经过 OCR 处理的话，根本就没有可选的文本，只是一张页面的图片。 此外，期刊对于存档提交的稿件也越来越多地要求符合 PDF/A 标准。PDF/A-1b 标准（ISO 19005-1）是 PDF 的一个严格子集，它禁止加密、要求所有字体必须嵌入，并且不允许引用外部内容。你可以在 Adobe Acrobat Pro 中检查文件是否合规（工具 → 印刷制作 → 印前检查），运行“PDF/A-1b”配置文件即可。如果你没有 Pro 版，Acrobat 的免费在线工具或像 VeraPDF 这样的开源工具也能帮你进行验证。 PDF 最大的优点也正是它对学术作者而言最大的缺点：它不是为编辑而设计的。当期刊要求修改时，他们想要的是源文件——.tex 或 .docx 文件——而不是 PDF。直接在 Acrobat 中编辑 PDF 或许能快速改个错别字，但对于任何结构性的修改来说都是一场噩梦。在学术工作流程中，真正的痛苦来自于试图将 PDF 转回成一种你真正可以编辑的格式。
格式转换：哪些可行，哪些会出错
这三种格式之间有六条转换路径：LaTeX→PDF、PDF→LaTeX、DOCX→PDF、PDF→DOCX、LaTeX→DOCX 和 DOCX→LaTeX。它们之间的转换难度天差地别。 有些转换毫无压力。LaTeX→PDF 是黄金标准：对一个格式正确的 .tex 文件运行 `pdflatex` 或 `xelatex`，就能生成一个完美匹配作者意图的 PDF。这是学术工作中唯一真正无损的转换路径。DOCX→PDF 对大多数文档来说也非常可靠。使用 Word 内置的“文件 → 另存为 → PDF”或 LibreOffice 中的类似功能，可以得到一个干净的 PDF。你的字体、超链接和基本表格都能正确转换，不过复杂的 SmartArt 或宏可能无法保留。 但当你试图从 PDF 逆向转换时，事情就变得棘手了。PDF→DOCX 是包括 CocoConvert 在内的大多数工具都会遇到 PDF 格式根本性限制的地方。对于一篇没有数学公式的简单单栏论文，工具可以成功提取文本、重建段落并恢复表格，只需要稍作清理。但如果你给它一篇带公式的双栏 IEEE 论文，结果会是一团糟。分栏会错乱，公式会变成不可编辑的图片，脚注可能会混入正文。CocoConvert 对此很坦诚——这是 PDF 格式本身的问题，而不是工具的问题。 PDF→LaTeX 则更糟糕。它不是一个标准的自动化路径是有原因的。通用的转换器 Pandoc 甚至不支持 PDF 作为输入。虽然存在像 `pdf2latex` 这样的工具，但它们的输出非常粗糙，对于一篇 40 页的论文来说，你花在清理自动转换结果上的时间，还不如从头用 LaTeX 重打一遍来得快。 那么 LaTeX 与 DOCX 之间的来回转换呢？Pandoc 可以做到（`pandoc input.docx -o output.tex`），但这是一种折中方案。文本内容可以转换，但公式处理得不一致，自定义的 Word 样式也会丢失。从 LaTeX 到 DOCX 也类似；结构可以转移，但像自定义定理环境这样 LaTeX 特有的“魔法”会变成普通段落。 关键在于：利用 CocoConvert 在 DOCX 与 PDF 转换以及处理图片格式方面的优势。对于任何涉及 LaTeX 的转换，最中肯的建议是直接使用 Pandoc 或 Overleaf 内置的导入工具。它们是为这项棘手的工作专门设计的。
上传学术文件时的隐私考量
学术论文通常是敏感的。它们可能包含未发表的数据、预发表的研究成果，甚至在医学、法学和社会科学等领域涉及人类受试者的信息。在你将手稿上传到任何在线转换工具之前，你需要知道在你拿到转换后的文件之后，原文件会发生什么。 CocoConvert 的政策非常直接：文件在内存中处理以完成转换，不会保存在其服务器上。你的文件会在上传后一小时内自动删除。关键是，你的任何文件内容都不会被用于训练机器学习模型或与任何其他人共享。这一切都清楚地写在 CocoConvert 的隐私政策中，你应该在使用前仔细阅读。 对于包含真正敏感信息的文件——例如可识别身份的参与者数据、未发表的临床试验结果或任何受保密协议（NDA）约束的内容——唯一正确的做法是使用本地的离线工具。不要使用任何云服务，就这样。Pandoc 是免费、开源的，完全在你的电脑上运行。LibreOffice 可以在没有网络连接的情况下导出 PDF。TeX Live 在本地编译 LaTeX 文档。如果你所在机构的数据政策禁止将研究成果上传到第三方服务（很多机构都有此规定），那么无论云服务承诺什么，这些本地工具都是你唯一合规的选择。 对于大多数日常的学术任务——比如转换草稿、为不同期刊重新排版论文或修改你的简历——使用信誉良好的在线转换器的隐私风险很低。实际的判断标准很简单：如果你可以放心地通过电子邮件将文件发送给同事，那么将其上传到一个有明确隐私政策的转换服务，其风险也相当。
为你的投稿选择正确的格式
你的论文应该用什么格式？答案是：期刊或会议告诉你用什么格式，你就用什么格式。就这样，没得商量。如果作者指南里写着“使用 elsarticle 类的 LaTeX”，你发过去一个 DOCX，要么被拒稿，要么收到一封让你重新排版的邮件。在动笔写一个字之前就阅读投稿指南并不是迂腐，而是从一开始就选择正确的工具链，从而避免以后遇到大麻烦。 如果你真的有得选，那么决定因素在于你的内容和你的合作者。如果你的论文包含大量数学公式、算法或复杂图表，就用 LaTeX。它的排版效果更好，而且自动编号功能可以让你在修改时避免犯下令人尴尬的错误。如果你身处人文学科等领域，编辑们希望直接在文件里修改，那就用 DOCX。他们的整个工作流程都是围绕“修订”功能构建的。 如果你需要向多个要求不同的地方投稿，比如一个要求 LaTeX 的会议和一个要求 DOCX 的期刊，该怎么办？最好的策略是用 LaTeX 撰写并维护你的论文，把它作为权威源文件。当你需要 DOCX 版本时，用 Pandoc 生成一个，然后手动清理结果。对于以文字为主的论文，这没有听起来那么痛苦。但对于有很多公式的论文，这确实很难。 那么 CocoConvert 的定位是什么呢？它是你处理任何涉及 PDF 事务的首选工具。用它把最终的 PDF 转成 DOCX 来进行快速编辑，或者从 DOCX 生成一个干净的 PDF 用于初次提交，又或者在期刊有挑剔的要求时转换图表格式（比如 TIFF 转 PNG 或 EPS 转 PDF）。对于核心的 LaTeX 到 DOCX 转换，请使用 Pandoc。而如果你要尝试那令人头疼的 DOCX 到 LaTeX 转换，那就接受现实吧：无论你用什么工具，都必须为手动清理工作预留时间。没有任何自动化工具能把这种转换做得足够干净，可以不经仔细的人工审查就直接提交。