Convertire PDF în Word: scanări, OCR și aspect

Convertirea unui PDF în Word pare o simplă schimbare de format, dar seamănă mai degrabă cu o inginerie inversă. Un PDF înregistrează unde se află fiecare caracter și fiecare linie pe pagină. Nu înregistrează paragrafe, coloane sau tabele așa cum o face Word, deci un convertor trebuie să le ghicească la loc. Convertoarele bune ghicesc bine în documentele curate și prost în cele complicate.

Acest ghid arată cum obții cel mai bun rezultat de la convertorul PDF în Word din TokPDF, cum îți dai seama dacă PDF-ul tău are nevoie mai întâi de OCR și la ce să te aștepți de la tabele, coloane și fonturi.

Încearcă acum

Deschide instrumentul în browser. Fără înregistrare.

Deschide PDF în Word Deschide OCR PDF

Mai întâi, verifică dacă PDF-ul tău are text real

Există două feluri de PDF. Un PDF text a fost creat de un program, de exemplu exportat din Word sau tipărit în PDF dintr-un browser. Conține caractere reale. Un PDF scanat este o stivă de fotografii ale paginilor. Arată la fel pe ecran, dar în interior nu există text, ci doar pixeli.

Testul durează cinci secunde. Deschide PDF-ul în orice program de vizualizare și încearcă să selectezi o propoziție cu mouse-ul sau apasă Ctrl+F (Cmd+F pe Mac) și caută un cuvânt pe care îl vezi. Dacă textul se evidențiază sau căutarea îl găsește, ai un PDF text. Dacă poți doar să tragi un chenar peste toată pagina sau căutarea nu găsește nimic, este o scanare.

Convertește un PDF text în Word

Pentru PDF-urile text, conversia se face într-un singur pas. Nu există setări de reglat: TokPDF convertește fiecare pagină cu motorul open-source pdf2docx, care rulează în browserul tău prin WebAssembly. Fișierul tău nu este încărcat.

Deschide PDF în Word și adaugă PDF-ul. Convertorul primește un singur fișier odată.
Pornește conversia. Prima rulare pe un dispozitiv este cea mai lentă, deoarece browserul trebuie să încarce un mediu Python și bibliotecile de conversie. Conversiile ulterioare din aceeași sesiune sunt mai rapide.
Descarcă fișierul .docx și deschide-l în Word, LibreOffice Writer, Google Docs sau Pages.
Parcurge tot documentul înainte să editezi. Repară mai întâi problemele de structură, precum un tabel stricat, apoi schimbă formulările.

PDF-uri scanate: rulează mai întâi OCR

Convertorul Word din TokPDF nu face OCR (recunoaștere optică a caracterelor). Dacă îi dai o scanare, Word primește imagini ale paginilor tale, pe care nu le poți edita. Trebuie să recunoști mai întâi textul cu OCR PDF.

OCR PDF folosește Tesseract, motorul open-source de recunoaștere, și rulează tot în browserul tău, cu datele de limbă servite de site-ul TokPDF. Acceptă 12 limbi, între care engleză, chineză simplificată și tradițională, japoneză, coreeană, spaniolă, franceză, germană, portugheză și arabă. Poți selecta mai multe dacă documentul amestecă limbi.

Deschide OCR PDF, adaugă scanarea și selectează limba sau limbile documentului.
Păstrează rezoluția pe Calitate ridicată, cu excepția cazului în care textul este foarte mic; atunci încearcă Rezoluție ultra. O rezoluție mai mare este mai lentă, dar ajută la textul mărunt.
Dacă vrei mai ales cuvintele, alege ca rezultat Extrage fișier text simplu (.txt) sau Markdown structurat (.md), apoi lipește textul în Word și aplică acolo formatarea.
Dacă vrei să păstrezi imaginile paginilor cu text selectabil deasupra, alege PDF căutabil cu strat dublu. Apoi poți încerca să convertești acel fișier în Word, dar verifică atent rezultatul: textul recunoscut se află invizibil peste scanare, iar convertoarele tratează acel strat cu succes variabil.

Ce aspect se păstrează și ce nu

Pe un document simplu, precum o scrisoare, un raport cu titluri sau un CV cu una sau două coloane, fișierul Word arată de obicei foarte aproape de PDF. Problemele apar acolo unde aspectul vizual al PDF-ului nu are un echivalent evident în Word.

Tabelele cu borduri trasate sunt de obicei reconstruite ca tabele Word reale. Tabelele fără borduri, în care coloanele sunt aliniate doar prin spațiere, nu sunt detectate ca tabele și ajung ca text poziționat. Pentru tabelele de date, PDF în Excel este adesea varianta mai bună.
Fonturile arată la fel doar dacă fontul este instalat pe calculatorul care deschide .docx-ul. Altfel, Word înlocuiește fontul cu unul similar, iar rândurile se pot muta.
Paginile cu mai multe coloane, barele laterale și casetele de text sunt reconstruite pe baza pozițiilor. Așteaptă-te să ajustezi spațierea și, ocazional, ordinea textului în aspectele complexe de tip revistă.
Anteturile, subsolurile și numerele de pagină pot ajunge ca text obișnuit în partea de sus și de jos a fiecărei pagini, nu ca câmpuri de antet și subsol Word.
Imaginile sunt preluate. Graficele desenate ca grafică vectorială pot fi convertite în imagini de rezoluție mai mică.

Chiar ai nevoie de Word?

Conversia este alegerea potrivită când trebuie să rescrii părți substanțiale dintr-un document. Pentru treburi mai mici, alte instrumente păstrează aspectul original intact:

Ca să repari o greșeală de tastare, să schimbi o dată sau să înlocuiești un logo, editează direct PDF-ul. Vezi cum editezi un PDF.
Ca să refolosești textul pe un site sau într-o aplicație de notițe, PDF în Markdown dă un rezultat mai curat decât un fișier Word.
Ca să completezi un formular, folosește Completează formulare PDF în loc să convertești.
Ca să traduci un document, ghidul instrumentelor AI prezintă traducătorul TokPDF și limitele lui.

Confidențialitate

Atât conversia în Word, cât și OCR rulează pe dispozitivul tău, deci contractele, fluturașii de salariu și scrisorile medicale nu părăsesc niciodată calculatorul. Compromisul este viteza pe hardware slab: un document de 200 de pagini poate dura câteva minute pe un laptop mai vechi, iar părăsirea filei cât timp lucrează îl poate încetini și mai mult pe unele browsere. Reține că apăsarea pe Anulare resetează ecranul, dar nu oprește o conversie deja începută, deci reîncarcă pagina dacă ai nevoie să eliberezi dispozitivul.

Întrebări frecvente

De ce documentul meu Word convertit conține doar imagini?

Aproape sigur PDF-ul tău este o scanare fără strat de text. Rulează mai întâi OCR PDF, apoi folosește textul recunoscut.

Pot converti doar unele pagini?

Convertorul convertește întotdeauna tot documentul. Ca să convertești câteva pagini, extrage-le mai întâi cu Extrage pagini PDF, apoi convertește fișierul mai mic.

Conversia este gratuită?

Da. PDF în Word și OCR sunt gratuite în TokPDF, fără înregistrare și fără filigran.

Funcționează cu PDF-uri protejate cu parolă?

Da, dacă știi parola. TokPDF o cere când adaugi fișierul și deblochează PDF-ul în browser înainte de conversie.

Ce limbi OCR sunt acceptate?

Douăsprezece: engleză, chineză (simplificată), chineză (tradițională), japoneză, coreeană, spaniolă, franceză, germană, portugheză, arabă, maghiară și odia. Celelalte limbi vor fi recunoscute prost sau deloc.