Menukar PDF ke Word kedengaran seperti pertukaran format, tetapi ia lebih menyerupai kejuruteraan songsang. PDF merekodkan di mana setiap aksara dan baris terletak pada halaman. Ia tidak merekodkan perenggan, lajur atau jadual seperti Word, jadi penukar terpaksa meneka semula. Penukar yang baik meneka dengan tepat pada dokumen yang bersih dan kurang tepat pada dokumen yang rumit.
Panduan ini menunjukkan cara mendapatkan hasil terbaik daripada penukar PDF ke Word TokPDF, cara mengetahui sama ada PDF anda perlukan OCR dahulu, dan apa yang dijangka daripada jadual, lajur dan fon.
Pertama, semak sama ada PDF anda mempunyai teks sebenar
Terdapat dua jenis PDF. PDF teks dicipta oleh perisian, contohnya dieksport daripada Word atau dicetak ke PDF daripada pelayar. Ia mengandungi aksara sebenar. PDF imbasan ialah timbunan gambar halaman. Ia kelihatan sama pada skrin, tetapi tiada teks di dalamnya, hanya piksel.
Ujiannya mengambil masa lima saat. Buka PDF dalam mana-mana pemapar dan cuba pilih satu ayat dengan tetikus, atau tekan Ctrl+F (Cmd+F pada Mac) dan cari perkataan yang anda nampak. Jika teks terserlah atau carian menjumpainya, anda mempunyai PDF teks. Jika anda hanya boleh melukis kotak pada seluruh halaman, atau carian tidak menjumpai apa-apa, ia ialah imbasan.
Tukar PDF teks ke Word
Untuk PDF teks, penukaran hanya satu langkah. Tiada tetapan untuk dilaras: TokPDF menukar setiap halaman menggunakan enjin sumber terbuka pdf2docx, yang berjalan di dalam pelayar anda melalui WebAssembly. Fail anda tidak dimuat naik.
Buka PDF ke Word dan tambah PDF anda. Penukar menerima satu fail pada satu masa.
Mulakan penukaran. Larian pertama pada sesebuah peranti paling perlahan, kerana pelayar perlu memuatkan masa jalan Python dan pustaka penukaran. Penukaran seterusnya dalam sesi yang sama lebih pantas.
Muat turun fail .docx dan buka dalam Word, LibreOffice Writer, Google Docs atau Pages.
Tatal keseluruhan dokumen sebelum anda mengedit. Betulkan masalah struktur seperti jadual yang rosak dahulu, kemudian ubah perkataan.
PDF imbasan: jalankan OCR dahulu
Penukar Word TokPDF tidak melakukan OCR (pengecaman aksara optik). Jika anda memberinya imbasan, Word menerima gambar halaman anda, yang tidak boleh diedit. Anda perlu mengecam teks dahulu dengan OCR PDF.
OCR PDF menggunakan Tesseract, enjin pengecaman sumber terbuka, dan turut berjalan dalam pelayar anda, dengan data bahasa disediakan daripada laman TokPDF sendiri. Ia menyokong 12 bahasa, termasuk Inggeris, Cina Ringkas dan Tradisional, Jepun, Korea, Sepanyol, Perancis, Jerman, Portugis dan Arab. Anda boleh memilih beberapa sekali gus jika dokumen mencampurkan bahasa.
Buka OCR PDF, tambah imbasan dan pilih bahasa dokumen.
Kekalkan resolusi pada High Quality melainkan teks sangat kecil, dalam hal itu cuba Ultra Resolution. Resolusi lebih tinggi lebih perlahan tetapi membantu untuk cetakan kecil.
Jika anda terutamanya mahukan perkataan, pilih Extract Plain Text File (.txt) atau Structured Markdown (.md) sebagai output, kemudian tampal teks ke dalam Word dan gunakan pemformatan anda di sana.
Jika anda mahu mengekalkan imej halaman dengan teks boleh pilih di atasnya, pilih Double-Layer Searchable PDF. Anda kemudian boleh cuba menukar fail itu ke Word, tetapi semak hasilnya dengan teliti: teks yang dikecam terletak tidak kelihatan di atas imbasan, dan penukar mengendalikan lapisan itu dengan hasil yang berbeza-beza.
Susun atur apa yang kekal, dan apa yang tidak
Pada dokumen ringkas seperti surat, laporan dengan tajuk, atau resume dengan satu atau dua lajur, fail Word biasanya kelihatan sangat hampir dengan PDF. Masalah muncul di tempat susun atur visual PDF tiada padanan jelas dalam Word.
- Jadual dengan sempadan bergaris biasanya dibina semula sebagai jadual Word sebenar. Jadual tanpa sempadan, di mana lajur hanya diselaraskan dengan jarak, tidak dikesan sebagai jadual dan datang sebagai teks yang diletakkan. Untuk jadual data, PDF ke Excel selalunya laluan yang lebih baik.
- Fon hanya kelihatan sama jika fon itu dipasang pada komputer yang membuka .docx. Jika tidak, Word menggantikannya dengan fon yang serupa dan pemotongan baris boleh beralih.
- Halaman berbilang lajur, bar sisi dan kotak teks dibina semula daripada kedudukan. Jangkakan pelarasan jarak, dan sekali-sekala susunan teks dalam susun atur ala majalah yang kompleks.
- Pengepala, pengaki dan nombor halaman mungkin tiba sebagai teks biasa di atas dan bawah setiap halaman dan bukannya sebagai medan pengepala dan pengaki Word.
- Imej dibawa bersama. Carta yang dilukis sebagai grafik vektor mungkin ditukar menjadi gambar beresolusi lebih rendah.
Adakah anda benar-benar perlukan Word?
Penukaran ialah pilihan yang betul apabila anda perlu menulis semula bahagian besar dokumen. Untuk kerja yang lebih kecil, alat lain mengekalkan susun atur asal:
- Untuk membetulkan kesilapan menaip, menukar tarikh atau menggantikan logo, edit PDF secara terus. Lihat cara edit PDF.
- Untuk menggunakan semula teks dalam laman web atau aplikasi nota, PDF ke Markdown memberi output yang lebih bersih daripada fail Word.
- Untuk mengisi borang, gunakan Isi Borang PDF dan bukannya menukar.
- Untuk menterjemah dokumen, panduan alat AI merangkumi penterjemah TokPDF dan hadnya.
Privasi
Kedua-dua penukaran Word dan OCR berjalan pada peranti anda, jadi kontrak, slip gaji dan surat perubatan tidak pernah meninggalkan komputer anda. Pertukaran yang dibuat ialah kelajuan pada perkakasan yang lemah: dokumen 200 halaman boleh mengambil beberapa minit pada komputer riba lama, dan meninggalkan tab semasa ia bekerja boleh memperlahankannya lagi pada sesetengah pelayar. Perhatikan bahawa menekan Cancel menetapkan semula skrin tetapi tidak menghentikan penukaran yang sudah bermula, jadi muat semula halaman jika anda perlu membebaskan peranti anda.