PDF को Word में बदलना सुनने में फ़ॉर्मेट बदलने जैसा लगता है, लेकिन असल में यह रिवर्स इंजीनियरिंग के क़रीब है। PDF यह दर्ज करता है कि हर अक्षर और पंक्ति पन्ने पर कहाँ है। वह पैराग्राफ़, कॉलम या टेबल को उस तरह दर्ज नहीं करता जैसे Word करता है, इसलिए कन्वर्टर को उन्हें अंदाज़े से वापस बनाना पड़ता है। अच्छे कन्वर्टर साफ़ दस्तावेज़ों पर अच्छा अंदाज़ा लगाते हैं और जटिल दस्तावेज़ों पर कमज़ोर।
यह गाइड बताती है कि TokPDF के PDF से Word कन्वर्टर से सबसे अच्छा नतीजा कैसे पाएँ, कैसे पता करें कि आपके PDF को पहले OCR चाहिए या नहीं, और टेबल, कॉलम व फ़ॉन्ट से क्या उम्मीद रखें।
सबसे पहले जाँचें कि आपके PDF में असली टेक्स्ट है या नहीं
PDF दो तरह के होते हैं। टेक्स्ट PDF किसी सॉफ़्टवेयर से बनता है, जैसे Word से एक्सपोर्ट किया हुआ या ब्राउज़र से PDF में प्रिंट किया हुआ। उसमें असली अक्षर होते हैं। स्कैन PDF पन्नों की तस्वीरों का ढेर होता है। स्क्रीन पर वह वैसा ही दिखता है, पर उसके अंदर कोई टेक्स्ट नहीं होता, सिर्फ़ पिक्सेल होते हैं।
यह जाँच पाँच सेकंड की है। PDF को किसी भी व्यूअर में खोलें और माउस से कोई वाक्य सेलेक्ट करके देखें, या Ctrl+F (Mac पर Cmd+F) दबाकर कोई ऐसा शब्द खोजें जो आपको दिख रहा है। अगर टेक्स्ट हाइलाइट होता है या सर्च उसे ढूँढ लेता है, तो आपके पास टेक्स्ट PDF है। अगर आप सिर्फ़ पूरे पन्ने पर एक बॉक्स खींच पाते हैं, या सर्च को कुछ नहीं मिलता, तो वह स्कैन है।
टेक्स्ट PDF को Word में बदलें
टेक्स्ट PDF के लिए कन्वर्ज़न एक ही स्टेप है। ट्यून करने के लिए कोई सेटिंग नहीं है: TokPDF हर पन्ने को ओपन-सोर्स pdf2docx इंजन से कन्वर्ट करता है, जो आपके ब्राउज़र के अंदर WebAssembly से चलता है। आपकी फ़ाइल अपलोड नहीं होती।
PDF से Word खोलें और अपना PDF जोड़ें। कन्वर्टर एक बार में एक फ़ाइल लेता है।
कन्वर्ज़न शुरू करें। किसी डिवाइस पर पहली बार सबसे धीमा होता है, क्योंकि ब्राउज़र को Python रनटाइम और कन्वर्ज़न लाइब्रेरी लोड करनी पड़ती हैं। उसी सेशन के बाद के कन्वर्ज़न तेज़ होते हैं।
.docx फ़ाइल डाउनलोड करें और उसे Word, LibreOffice Writer, Google Docs या Pages में खोलें।
एडिट करने से पहले पूरे दस्तावेज़ को स्क्रॉल करके देख लें। पहले टूटी हुई टेबल जैसी संरचना की समस्याएँ ठीक करें, फिर शब्द बदलें।
स्कैन PDF: पहले OCR चलाएँ
TokPDF का Word कन्वर्टर OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) नहीं करता। अगर आप उसे स्कैन देंगे, तो Word को आपके पन्नों की तस्वीरें मिलेंगी, जिन्हें आप एडिट नहीं कर सकते। पहले OCR PDF (टेक्स्ट पहचान) से टेक्स्ट पहचानना होगा।
OCR PDF ओपन-सोर्स रिकग्निशन इंजन Tesseract इस्तेमाल करता है और वह भी आपके ब्राउज़र में चलता है, जिसका भाषा-डेटा TokPDF की अपनी साइट से आता है। यह 12 भाषाएँ सपोर्ट करता है, जिनमें अंग्रेज़ी, सरलीकृत और पारंपरिक चीनी, जापानी, कोरियाई, स्पेनिश, फ़्रेंच, जर्मन, पुर्तगाली और अरबी शामिल हैं। अगर दस्तावेज़ में कई भाषाएँ मिली हों, तो कई चुन सकते हैं।
OCR PDF खोलें, स्कैन जोड़ें और दस्तावेज़ की भाषा या भाषाएँ चुनें।
रेज़ोल्यूशन High Quality पर रहने दें, जब तक अक्षर बहुत छोटे न हों; उस स्थिति में Ultra Resolution आज़माएँ। ज़्यादा रेज़ोल्यूशन धीमा है, पर छोटे अक्षरों में मदद करता है।
अगर आपको मुख्य रूप से शब्द चाहिए, तो आउटपुट के रूप में Extract Plain Text File (.txt) या Structured Markdown (.md) चुनें, फिर टेक्स्ट को Word में पेस्ट करके वहीं फ़ॉर्मेटिंग करें।
अगर आप पन्नों की इमेज रखना चाहते हैं और उनके ऊपर सेलेक्ट होने लायक टेक्स्ट, तो Double-Layer Searchable PDF चुनें। फिर आप उस फ़ाइल को Word में बदलकर देख सकते हैं, पर नतीजा ध्यान से जाँचें: पहचाना हुआ टेक्स्ट स्कैन के ऊपर अदृश्य रूप में रहता है और कन्वर्टर उस परत को मिले-जुले ढंग से संभालते हैं।
लेआउट का क्या बचता है और क्या नहीं
पत्र, शीर्षकों वाली रिपोर्ट, या एक-दो कॉलम वाले CV जैसे सरल दस्तावेज़ पर Word फ़ाइल आमतौर पर PDF के बहुत क़रीब दिखती है। समस्याएँ वहाँ आती हैं जहाँ PDF के दृश्य लेआउट का Word में कोई साफ़ समकक्ष नहीं होता।
- बॉर्डर वाली टेबल आमतौर पर असली Word टेबल के रूप में दोबारा बनती हैं। बिना बॉर्डर वाली टेबल, जिनमें कॉलम सिर्फ़ स्पेसिंग से जमे होते हैं, टेबल के रूप में नहीं पहचानी जातीं और स्थिति के हिसाब से रखे टेक्स्ट के रूप में आती हैं। डेटा टेबल के लिए PDF से Excel अक्सर बेहतर रास्ता है।
- फ़ॉन्ट तभी एक जैसे दिखते हैं जब .docx खोलने वाले कंप्यूटर पर वह फ़ॉन्ट इंस्टॉल हो। नहीं तो Word मिलता-जुलता फ़ॉन्ट लगा देता है और लाइन ब्रेक खिसक सकते हैं।
- कई कॉलम वाले पन्ने, साइडबार और टेक्स्ट बॉक्स पोज़ीशन से दोबारा बनाए जाते हैं। स्पेसिंग ठीक करनी पड़ेगी, और मैगज़ीन जैसे जटिल लेआउट में कभी-कभी टेक्स्ट का क्रम भी।
- हेडर, फ़ुटर और पेज नंबर Word के हेडर-फ़ुटर फ़ील्ड की जगह हर पन्ने के ऊपर और नीचे सामान्य टेक्स्ट के रूप में आ सकते हैं।
- इमेज साथ आ जाती हैं। वेक्टर ग्राफ़िक के रूप में बने चार्ट कम रेज़ोल्यूशन की तस्वीरों में बदल सकते हैं।
क्या आपको सच में Word चाहिए?
जब दस्तावेज़ के बड़े हिस्से दोबारा लिखने हों, तब कन्वर्ज़न सही चुनाव है। छोटे कामों के लिए दूसरे टूल ओरिजिनल लेआउट को सही-सलामत रखते हैं:
- टाइपो ठीक करने, तारीख़ बदलने या लोगो बदलने के लिए PDF को सीधे एडिट करें। देखें PDF एडिट कैसे करें।
- किसी वेबसाइट या नोट्स ऐप में टेक्स्ट दोबारा इस्तेमाल करने के लिए PDF से Markdown Word फ़ाइल से साफ़ आउटपुट देता है।
- फ़ॉर्म भरने के लिए कन्वर्ट करने की जगह फ़ॉर्म फ़िलर इस्तेमाल करें।
- दस्तावेज़ का अनुवाद करने के लिए AI टूल्स गाइड में TokPDF के अनुवादक और उसकी सीमाओं की जानकारी है।
प्राइवेसी
Word कन्वर्ज़न और OCR दोनों आपके डिवाइस पर चलते हैं, इसलिए अनुबंध, सैलरी स्लिप और मेडिकल पत्र आपके कंप्यूटर से बाहर कभी नहीं जाते। इसकी क़ीमत कमज़ोर हार्डवेयर पर रफ़्तार है: 200 पन्नों का दस्तावेज़ पुराने लैपटॉप पर कई मिनट ले सकता है, और काम के दौरान टैब छोड़ देने से कुछ ब्राउज़र में वह और धीमा हो सकता है। ध्यान दें कि Cancel दबाने से स्क्रीन रीसेट हो जाती है पर शुरू हो चुका कन्वर्ज़न रुकता नहीं, इसलिए डिवाइस को हल्का करना हो तो पेज रीलोड करें।