Konwersja PDF na Word brzmi jak zwykła zmiana formatu, ale jest bliższa inżynierii wstecznej. PDF zapisuje, gdzie na stronie leży każdy znak i wiersz. Nie zapisuje akapitów, kolumn ani tabel tak jak Word, więc konwerter musi je odgadnąć. Dobre konwertery dobrze zgadują w przypadku czystych dokumentów, a słabo w przypadku skomplikowanych.
Ten poradnik pokazuje, jak uzyskać najlepszy wynik z konwertera PDF na Word w TokPDF, jak sprawdzić, czy Twój PDF wymaga wcześniejszego OCR, i czego spodziewać się po tabelach, kolumnach i czcionkach.
Najpierw sprawdź, czy Twój PDF zawiera prawdziwy tekst
Istnieją dwa rodzaje plików PDF. Tekstowy PDF został utworzony przez oprogramowanie, na przykład wyeksportowany z Worda lub wydrukowany do PDF z przeglądarki. Zawiera rzeczywiste znaki. Zeskanowany PDF to stos zdjęć stron. Na ekranie wygląda tak samo, ale w środku nie ma tekstu, są tylko piksele.
Test zajmuje pięć sekund. Otwórz PDF w dowolnej przeglądarce i spróbuj zaznaczyć zdanie myszą albo naciśnij Ctrl+F (Cmd+F na Macu) i wyszukaj widoczne słowo. Jeśli tekst się podświetla lub wyszukiwarka go znajduje, masz tekstowy PDF. Jeśli możesz jedynie narysować ramkę na całej stronie albo wyszukiwanie nic nie znajduje, to skan.
Konwersja tekstowego PDF na Word
W przypadku tekstowych plików PDF konwersja to jeden krok. Nie ma ustawień do dostrajania: TokPDF konwertuje każdą stronę za pomocą otwartoźródłowego silnika pdf2docx, który działa w przeglądarce dzięki WebAssembly. Twój plik nie jest przesyłany.
Otwórz PDF na Word i dodaj plik PDF. Konwerter przyjmuje jeden plik naraz.
Rozpocznij konwersję. Pierwsze uruchomienie na danym urządzeniu jest najwolniejsze, bo przeglądarka musi wczytać środowisko Python i biblioteki konwersji. Kolejne konwersje w tej samej sesji są szybsze.
Pobierz plik .docx i otwórz go w Wordzie, LibreOffice Writer, Dokumentach Google lub Pages.
Przewiń cały dokument, zanim zaczniesz go edytować. Najpierw popraw problemy strukturalne, takie jak zepsuta tabela, a dopiero potem zmieniaj treść.
Zeskanowane pliki PDF: najpierw uruchom OCR
Konwerter do Worda w TokPDF nie wykonuje OCR (optycznego rozpoznawania znaków). Jeśli podasz mu skan, Word otrzyma obrazy Twoich stron, których nie da się edytować. Najpierw musisz rozpoznać tekst za pomocą OCR PDF.
OCR PDF korzysta z Tesseract, otwartoźródłowego silnika rozpoznawania, i również działa w przeglądarce, a dane językowe są serwowane z własnej strony TokPDF. Obsługuje 12 języków, w tym angielski, chiński uproszczony i tradycyjny, japoński, koreański, hiszpański, francuski, niemiecki, portugalski i arabski. Jeśli dokument zawiera kilka języków, możesz zaznaczyć kilka.
Otwórz OCR PDF, dodaj skan i wybierz język lub języki dokumentu.
Zostaw rozdzielczość na Wysoka jakość, chyba że tekst jest drobny. Wtedy spróbuj Ultra rozdzielczość. Wyższa rozdzielczość jest wolniejsza, ale pomaga przy małym druku.
Jeśli zależy Ci głównie na słowach, wybierz jako wynik Wyodrębnij zwykły plik tekstowy (.txt) lub Ustrukturyzowany Markdown (.md), a potem wklej tekst do Worda i tam nadaj mu formatowanie.
Jeśli chcesz zachować obrazy stron z zaznaczalnym tekstem na wierzchu, wybierz PDF z podwójną warstwą z możliwością wyszukiwania. Możesz potem spróbować przekonwertować ten plik na Word, ale dokładnie sprawdź wynik: rozpoznany tekst leży niewidocznie nad skanem, a konwertery radzą sobie z tą warstwą z różnym skutkiem.
Jaki układ się zachowa, a jaki nie
W prostym dokumencie, takim jak pismo, raport z nagłówkami lub CV z jedną czy dwiema kolumnami, plik Word zwykle wygląda bardzo podobnie do PDF-a. Problemy pojawiają się tam, gdzie wizualny układ PDF-a nie ma oczywistego odpowiednika w Wordzie.
- Tabele z obramowaniem są zwykle odtwarzane jako prawdziwe tabele Worda. Tabele bez obramowania, w których kolumny są wyrównane tylko odstępami, nie są rozpoznawane jako tabele i trafiają do pliku jako pozycjonowany tekst. W przypadku tabel z danymi lepszym rozwiązaniem bywa PDF na Excel.
- Czcionki wyglądają tak samo tylko wtedy, gdy są zainstalowane na komputerze otwierającym plik .docx. W przeciwnym razie Word podstawia podobną czcionkę i podziały wierszy mogą się przesunąć.
- Strony wielokolumnowe, panele boczne i pola tekstowe są odtwarzane na podstawie pozycji. Spodziewaj się poprawiania odstępów, a w złożonych układach w stylu czasopisma czasem także kolejności tekstu.
- Nagłówki, stopki i numery stron mogą trafić do pliku jako zwykły tekst na górze i na dole każdej strony, a nie jako pola nagłówka i stopki Worda.
- Obrazy są przenoszone. Wykresy narysowane jako grafika wektorowa mogą zostać zamienione na obrazy o niższej rozdzielczości.
Czy na pewno potrzebujesz Worda?
Konwersja to właściwy wybór, gdy musisz przepisać znaczne części dokumentu. Przy mniejszych zadaniach inne narzędzia zachowują oryginalny układ w nienaruszonym stanie:
- Aby poprawić literówkę, zmienić datę lub podmienić logo, edytuj bezpośrednio plik PDF. Zobacz jak edytować PDF.
- Aby wykorzystać tekst na stronie internetowej lub w aplikacji do notatek, PDF do Markdown daje czystszy wynik niż plik Word.
- Aby wypełnić formularz, użyj Wypełnij PDF zamiast konwersji.
- Aby przetłumaczyć dokument, poradnik o narzędziach AI opisuje tłumacza TokPDF i jego ograniczenia.
Prywatność
Zarówno konwersja do Worda, jak i OCR działają na Twoim urządzeniu, więc umowy, paski wypłat i pisma medyczne nigdy nie opuszczają komputera. Ceną jest szybkość na słabszym sprzęcie: 200-stronicowy dokument może na starszym laptopie trwać kilka minut, a opuszczenie karty w trakcie pracy może w niektórych przeglądarkach jeszcze bardziej ją spowolnić. Pamiętaj, że naciśnięcie Anuluj resetuje ekran, ale nie zatrzymuje konwersji, która już się rozpoczęła, więc jeśli chcesz odciążyć urządzenie, odśwież stronę.