PDF থেকে Word-এ কনভার্ট করা শুনতে ফরম্যাট বদলানোর মতো, কিন্তু আসলে এটা রিভার্স ইঞ্জিনিয়ারিংয়ের কাছাকাছি। PDF শুধু রেকর্ড করে প্রতিটি অক্ষর ও লাইন পৃষ্ঠার কোথায় বসে আছে। Word যেভাবে অনুচ্ছেদ, কলাম বা টেবিল রাখে, PDF সেভাবে রাখে না, তাই কনভার্টারকে সেগুলো আন্দাজ করে ফিরিয়ে আনতে হয়। ভালো কনভার্টার পরিষ্কার ডকুমেন্টে ভালো আন্দাজ করে, জটিল ডকুমেন্টে খারাপ।
এই গাইডে দেখানো হয়েছে TokPDF-এর PDF থেকে Word কনভার্টার থেকে সেরা ফল কীভাবে পাবেন, আপনার PDF-এ আগে OCR লাগবে কি না কীভাবে বুঝবেন, এবং টেবিল, কলাম ও ফন্ট নিয়ে কী আশা করবেন।
আগে দেখুন আপনার PDF-এ আসল টেক্সট আছে কি না
PDF দুই ধরনের। টেক্সট PDF কোনো সফটওয়্যার দিয়ে তৈরি, যেমন Word থেকে এক্সপোর্ট করা বা ব্রাউজার থেকে PDF-এ প্রিন্ট করা। এতে আসল অক্ষর থাকে। স্ক্যান করা PDF হলো পৃষ্ঠাগুলোর ছবির স্তূপ। স্ক্রিনে একইরকম দেখায়, কিন্তু ভেতরে কোনো টেক্সট নেই, শুধু পিক্সেল।
পরীক্ষাটা পাঁচ সেকেন্ডের। PDF যেকোনো ভিউয়ারে খুলে মাউস দিয়ে একটি বাক্য সিলেক্ট করার চেষ্টা করুন, অথবা Ctrl+F (Mac-এ Cmd+F) চেপে চোখে দেখা কোনো শব্দ খুঁজুন। টেক্সট হাইলাইট হলে বা সার্চ খুঁজে পেলে এটি টেক্সট PDF। শুধু পুরো পৃষ্ঠার ওপর একটা বক্স টানতে পারলে, বা সার্চে কিছু না পেলে, এটি স্ক্যান।
টেক্সট PDF থেকে Word-এ কনভার্ট করুন
টেক্সট PDF-এর জন্য কনভার্শন একটিই ধাপ। ঠিক করার মতো কোনো সেটিং নেই: TokPDF প্রতিটি পৃষ্ঠা ওপেন-সোর্স pdf2docx ইঞ্জিন দিয়ে কনভার্ট করে, যা আপনার ব্রাউজারের ভেতরে WebAssembly-র মাধ্যমে চলে। আপনার ফাইল আপলোড হয় না।
PDF থেকে Word খুলুন এবং আপনার PDF যোগ করুন। কনভার্টার একবারে একটি ফাইল নেয়।
কনভার্শন শুরু করুন। কোনো ডিভাইসে প্রথমবার সবচেয়ে ধীর, কারণ ব্রাউজারকে Python রানটাইম ও কনভার্শন লাইব্রেরি লোড করতে হয়। একই সেশনে পরের কনভার্শনগুলো দ্রুত হয়।
.docx ফাইল ডাউনলোড করুন এবং Word, LibreOffice Writer, Google Docs বা Pages-এ খুলুন।
সম্পাদনার আগে পুরো ডকুমেন্ট স্ক্রল করে দেখে নিন। আগে ভাঙা টেবিলের মতো কাঠামোগত সমস্যা ঠিক করুন, তারপর শব্দ বদলান।
স্ক্যান করা PDF: আগে OCR চালান
TokPDF-এর Word কনভার্টার OCR (অপটিক্যাল ক্যারেক্টার রিকগনিশন) করে না। স্ক্যান দিলে Word পাবে আপনার পৃষ্ঠার ছবি, যা সম্পাদনা করা যায় না। আগে OCR PDF দিয়ে টেক্সট শনাক্ত করতে হবে।
OCR PDF ওপেন-সোর্স শনাক্তকরণ ইঞ্জিন Tesseract ব্যবহার করে এবং সেটিও আপনার ব্রাউজারে চলে, ভাষার ডেটা আসে TokPDF-এর নিজস্ব সাইট থেকে। এটি ১২টি ভাষা সমর্থন করে, যার মধ্যে আছে ইংরেজি, সরলীকৃত ও প্রচলিত চীনা, জাপানি, কোরিয়ান, স্প্যানিশ, ফরাসি, জার্মান, পর্তুগিজ ও আরবি। ডকুমেন্টে একাধিক ভাষা মিশে থাকলে একাধিক বেছে নিতে পারেন।
OCR PDF খুলুন, স্ক্যান যোগ করুন এবং ডকুমেন্টের ভাষা বা ভাষাগুলো বেছে নিন।
রেজোলিউশন High Quality-তে রাখুন, যদি না লেখা খুব ছোট হয়; সেক্ষেত্রে Ultra Resolution চেষ্টা করুন। বেশি রেজোলিউশন ধীর, কিন্তু ছোট অক্ষরে সাহায্য করে।
আপনি মূলত শব্দগুলো চাইলে আউটপুট হিসেবে Extract Plain Text File (.txt) বা Structured Markdown (.md) বেছে নিন, তারপর টেক্সট Word-এ পেস্ট করে সেখানেই ফরম্যাটিং করুন।
পৃষ্ঠার ছবি রেখে তার ওপর সিলেক্ট করার মতো টেক্সট চাইলে Double-Layer Searchable PDF বেছে নিন। তারপর সেই ফাইল Word-এ কনভার্ট করে দেখতে পারেন, কিন্তু ফল সাবধানে যাচাই করুন: শনাক্ত করা টেক্সট স্ক্যানের ওপরে অদৃশ্যভাবে থাকে, আর কনভার্টাররা সেই স্তর মিশ্র সাফল্যে সামলায়।
লেআউটের কী টিকে থাকে, কী থাকে না
চিঠি, শিরোনামসহ রিপোর্ট বা এক-দুই কলামের CV-র মতো সরল ডকুমেন্টে Word ফাইল সাধারণত PDF-এর খুব কাছাকাছি দেখায়। সমস্যা দেখা দেয় সেখানে, যেখানে PDF-এর দৃশ্যমান লেআউটের Word-এ স্পষ্ট সমতুল্য নেই।
- বর্ডার-রেখাযুক্ত টেবিল সাধারণত আসল Word টেবিল হিসেবে নতুন করে তৈরি হয়। বর্ডারহীন টেবিল, যেখানে কলাম শুধু ফাঁক দিয়ে সাজানো, টেবিল হিসেবে শনাক্ত হয় না এবং অবস্থান অনুযায়ী বসানো টেক্সট হিসেবে আসে। ডেটা টেবিলের জন্য PDF থেকে Excel প্রায়ই ভালো পথ।
- ফন্ট একইরকম দেখায় কেবল তখনই, যখন .docx যে কম্পিউটারে খোলা হচ্ছে সেখানে ফন্টটি ইনস্টল করা আছে। না থাকলে Word কাছাকাছি একটি ফন্ট বসায় এবং লাইন ব্রেক সরে যেতে পারে।
- একাধিক কলামের পৃষ্ঠা, সাইডবার ও টেক্সট বক্স অবস্থান দেখে নতুন করে গড়া হয়। ফাঁক ঠিক করতে হবে, আর ম্যাগাজিন-ধাঁচের জটিল লেআউটে মাঝে মাঝে টেক্সটের ক্রমও।
- হেডার, ফুটার ও পেজ নম্বর Word-এর হেডার-ফুটার ফিল্ডের বদলে প্রতিটি পৃষ্ঠার ওপরে-নিচে সাধারণ টেক্সট হিসেবে আসতে পারে।
- ছবি সঙ্গে আসে। ভেক্টর গ্রাফিক হিসেবে আঁকা চার্ট কম রেজোলিউশনের ছবিতে বদলে যেতে পারে।
আপনার কি সত্যিই Word দরকার?
ডকুমেন্টের বড় অংশ নতুন করে লিখতে হলে কনভার্শনই সঠিক পছন্দ। ছোট কাজের জন্য অন্য টুল মূল লেআউট অক্ষত রাখে:
- বানান ভুল ঠিক করতে, তারিখ বদলাতে বা লোগো পাল্টাতে PDF সরাসরি সম্পাদনা করুন। দেখুন PDF এডিট করার নিয়ম।
- কোনো ওয়েবসাইট বা নোট অ্যাপে টেক্সট আবার ব্যবহার করতে PDF থেকে Markdown Word ফাইলের চেয়ে পরিষ্কার আউটপুট দেয়।
- ফর্ম পূরণ করতে কনভার্ট না করে ফর্ম পূরণ করুন ব্যবহার করুন।
- ডকুমেন্ট অনুবাদ করতে AI টুলস গাইড-এ TokPDF-এর অনুবাদক ও তার সীমাবদ্ধতা আছে।
গোপনীয়তা
Word কনভার্শন ও OCR দুটিই আপনার ডিভাইসে চলে, তাই চুক্তি, বেতনের স্লিপ ও চিকিৎসার চিঠি আপনার কম্পিউটারের বাইরে যায় না। এর বিনিময়ে দুর্বল হার্ডওয়্যারে গতি কমে: ২০০ পৃষ্ঠার ডকুমেন্টে পুরোনো ল্যাপটপে কয়েক মিনিট লাগতে পারে, আর কাজ চলার সময় ট্যাব ছেড়ে গেলে কিছু ব্রাউজারে আরও ধীর হতে পারে। খেয়াল রাখুন, Cancel চাপলে স্ক্রিন রিসেট হয় কিন্তু শুরু হয়ে যাওয়া কনভার্শন থামে না, তাই ডিভাইস হালকা করতে চাইলে পেজ রিলোড করুন।