Mengubah PDF ke Word terdengar seperti pergantian format, tetapi sebenarnya lebih mirip rekayasa balik. PDF mencatat di mana setiap karakter dan baris berada pada halaman. PDF tidak mencatat paragraf, kolom, atau tabel seperti Word, sehingga konverter harus menebaknya kembali. Konverter yang baik menebak dengan tepat pada dokumen yang bersih dan kurang tepat pada dokumen yang rumit.
Panduan ini menunjukkan cara mendapatkan hasil terbaik dari konverter PDF ke Word TokPDF, cara mengetahui apakah PDF Anda perlu OCR lebih dulu, dan apa yang bisa diharapkan dari tabel, kolom, dan font.
Pertama, periksa apakah PDF Anda berisi teks asli
Ada dua jenis PDF. PDF teks dibuat oleh perangkat lunak, misalnya diekspor dari Word atau dicetak ke PDF dari browser. Isinya karakter yang sebenarnya. PDF hasil scan adalah kumpulan foto halaman. Tampilannya sama di layar, tetapi tidak ada teks di dalamnya, hanya piksel.
Ujinya hanya lima detik. Buka PDF di aplikasi pembaca mana pun lalu coba pilih satu kalimat dengan mouse, atau tekan Ctrl+F (Cmd+F di Mac) dan cari kata yang tampak di halaman. Jika teks tersorot atau pencarian menemukannya, berarti itu PDF teks. Jika Anda hanya bisa menggambar kotak di seluruh halaman, atau pencarian tidak menemukan apa pun, berarti itu hasil scan.
Ubah PDF teks ke Word
Untuk PDF teks, konversi hanya satu langkah. Tidak ada pengaturan yang perlu disetel: TokPDF mengonversi setiap halaman memakai mesin sumber terbuka pdf2docx, yang berjalan di dalam browser Anda lewat WebAssembly. File Anda tidak diunggah.
Buka PDF ke Word dan tambahkan PDF Anda. Konverter menerima satu file dalam satu waktu.
Mulai konversi. Proses pertama di sebuah perangkat adalah yang paling lambat, karena browser harus memuat runtime Python dan pustaka konversi. Konversi berikutnya dalam sesi yang sama lebih cepat.
Unduh file .docx dan buka di Word, LibreOffice Writer, Google Docs, atau Pages.
Gulir seluruh dokumen sebelum mengedit. Perbaiki masalah struktural seperti tabel yang rusak lebih dulu, baru ubah kata-katanya.
PDF hasil scan: jalankan OCR lebih dulu
Konverter Word TokPDF tidak melakukan OCR (optical character recognition). Jika Anda memberinya hasil scan, Word menerima gambar halaman Anda yang tidak bisa diedit. Anda perlu mengenali teksnya terlebih dahulu dengan OCR PDF.
OCR PDF memakai Tesseract, mesin pengenalan sumber terbuka, dan juga berjalan di browser Anda, dengan data bahasa yang disajikan dari situs TokPDF sendiri. Alat ini mendukung 12 bahasa, termasuk Inggris, Mandarin Sederhana dan Tradisional, Jepang, Korea, Spanyol, Prancis, Jerman, Portugis, dan Arab. Anda bisa memilih beberapa sekaligus jika dokumen mencampur bahasa.
Buka OCR PDF, tambahkan hasil scan, dan pilih bahasa dokumen.
Biarkan resolusi pada High Quality kecuali teksnya sangat kecil, dalam hal itu coba Ultra Resolution. Resolusi lebih tinggi lebih lambat tetapi membantu untuk tulisan kecil.
Jika Anda terutama menginginkan katanya, pilih Extract Plain Text File (.txt) atau Structured Markdown (.md) sebagai keluaran, lalu tempel teksnya ke Word dan atur formatnya di sana.
Jika Anda ingin mempertahankan gambar halaman dengan teks yang bisa dipilih di atasnya, pilih Double-Layer Searchable PDF. Setelah itu Anda dapat mencoba mengonversi file tersebut ke Word, tetapi periksa hasilnya dengan cermat: teks hasil pengenalan berada tak terlihat di atas hasil scan, dan konverter menangani lapisan itu dengan hasil yang beragam.
Tata letak apa yang bertahan, dan apa yang tidak
Pada dokumen sederhana seperti surat, laporan dengan judul, atau CV dengan satu atau dua kolom, file Word biasanya tampak sangat mirip dengan PDF-nya. Masalah muncul di bagian yang tata letak visual PDF-nya tidak punya padanan jelas di Word.
- Tabel dengan garis tepi biasanya dibangun ulang sebagai tabel Word sungguhan. Tabel tanpa garis tepi, yang kolomnya hanya diratakan dengan spasi, tidak terdeteksi sebagai tabel dan muncul sebagai teks yang diposisikan. Untuk tabel data, PDF ke Excel sering menjadi jalur yang lebih baik.
- Font hanya tampak sama jika font tersebut terpasang di komputer yang membuka .docx. Jika tidak, Word mengganti dengan font serupa dan pemenggalan baris bisa bergeser.
- Halaman multi-kolom, sidebar, dan kotak teks direkonstruksi dari posisinya. Bersiaplah menyesuaikan spasi, dan sesekali urutan teks pada tata letak rumit bergaya majalah.
- Header, footer, dan nomor halaman mungkin muncul sebagai teks biasa di bagian atas dan bawah setiap halaman, bukan sebagai kolom header dan footer Word.
- Gambar ikut terbawa. Grafik yang digambar sebagai grafik vektor dapat dikonversi menjadi gambar beresolusi lebih rendah.
Apakah Anda benar-benar butuh Word?
Konversi adalah pilihan tepat saat Anda perlu menulis ulang sebagian besar dokumen. Untuk pekerjaan yang lebih kecil, alat lain menjaga tata letak asli tetap utuh:
- Untuk memperbaiki salah ketik, mengganti tanggal, atau mengganti logo, edit PDF-nya langsung. Lihat cara edit PDF.
- Untuk memakai ulang teks di situs web atau aplikasi catatan, PDF ke Markdown menghasilkan keluaran yang lebih bersih daripada file Word.
- Untuk mengisi formulir, gunakan Pengisi Formulir alih-alih mengonversi.
- Untuk menerjemahkan dokumen, panduan alat AI membahas penerjemah TokPDF dan batasannya.
Privasi
Baik konversi Word maupun OCR berjalan di perangkat Anda, sehingga kontrak, slip gaji, dan surat medis tidak pernah keluar dari komputer Anda. Konsekuensinya adalah kecepatan pada perangkat keras yang lemah: dokumen 200 halaman bisa memakan beberapa menit di laptop lama, dan meninggalkan tab saat bekerja dapat memperlambatnya di beberapa browser. Perlu diketahui bahwa menekan Cancel mengatur ulang tampilan tetapi tidak menghentikan konversi yang sudah berjalan, jadi muat ulang halaman jika Anda perlu membebaskan perangkat.