Конвертация PDF в Word звучит как простая смена формата, но на деле это скорее обратная разработка. PDF хранит, где на странице находится каждый символ и каждая строка. Абзацев, колонок и таблиц в том виде, как их понимает Word, в нём нет, поэтому конвертеру приходится угадывать их заново. Хорошие конвертеры угадывают точно на простых документах и плохо на сложных.
Это руководство показывает, как получить лучший результат от конвертера PDF в Word в TokPDF, как понять, нужен ли вашему PDF предварительный OCR, и чего ждать от таблиц, колонок и шрифтов.
Попробуйте прямо сейчас
Инструмент откроется в браузере. Регистрация не нужна.
Сначала проверьте, есть ли в PDF настоящий текст
Бывает два вида PDF. Текстовый PDF создан программой, например экспортирован из Word или напечатан в PDF из браузера. В нём есть настоящие символы. Отсканированный PDF — это стопка фотографий страниц. На экране он выглядит так же, но текста внутри нет, только пиксели.
Проверка занимает пять секунд. Откройте PDF в любой программе просмотра и попробуйте выделить предложение мышью либо нажмите Ctrl+F (Cmd+F на Mac) и найдите слово, которое видно на странице. Если текст подсвечивается или поиск находит слово, перед вами текстовый PDF. Если удаётся только провести рамку по всей странице или поиск ничего не находит, это скан.
Конвертация текстового PDF в Word
Для текстовых PDF конвертация выполняется за один шаг. Настроек нет: TokPDF преобразует все страницы с помощью движка pdf2docx с открытым исходным кодом, который работает в вашем браузере через WebAssembly. Файл никуда не загружается.
Откройте PDF в Word и добавьте PDF. Конвертер принимает по одному файлу за раз.
Запустите конвертацию. На устройстве первый запуск самый медленный, потому что браузеру нужно загрузить среду выполнения Python и библиотеки конвертации. Следующие конвертации в том же сеансе проходят быстрее.
Скачайте файл .docx и откройте его в Word, LibreOffice Writer, Google Документах или Pages.
Прежде чем править, пролистайте весь документ. Сначала исправьте структурные проблемы, например развалившуюся таблицу, а уже потом меняйте формулировки.
Отсканированные PDF: сначала OCR
Конвертер в Word в TokPDF не выполняет OCR (оптическое распознавание символов). Если дать ему скан, в Word попадут картинки страниц, которые нельзя редактировать. Сначала текст нужно распознать с помощью OCR PDF.
OCR PDF использует Tesseract, движок распознавания с открытым исходным кодом, и тоже работает в вашем браузере, а языковые данные загружаются с сайта TokPDF. Поддерживается 12 языков, включая английский, китайский (упрощённый и традиционный), японский, корейский, испанский, французский, немецкий, португальский и арабский. Если в документе смешаны языки, можно выбрать несколько.
Откройте OCR PDF, добавьте скан и выберите язык или языки документа.
Оставьте разрешение на уровне «Высокое качество», если только текст не очень мелкий: тогда попробуйте «Сверхвысокое разрешение». Чем выше разрешение, тем медленнее, но мелкий шрифт распознаётся лучше.
Если вам нужны в основном слова, выберите на выходе текстовый файл (.txt) или структурированный Markdown (.md), затем вставьте текст в Word и оформите его там.
Если хотите сохранить изображения страниц с выделяемым текстом поверх них, выберите двухслойный PDF с поиском по тексту. После этого можно попробовать конвертировать такой файл в Word, но внимательно проверьте результат: распознанный текст лежит невидимым слоем поверх скана, и конвертеры справляются с этим слоем по-разному.
Что сохраняется из вёрстки, а что нет
На простом документе, например письме, отчёте с заголовками или резюме в одну-две колонки, файл Word обычно выглядит очень близко к PDF. Проблемы появляются там, где у визуальной вёрстки PDF нет очевидного аналога в Word.
- Таблицы с линованными границами обычно воссоздаются как настоящие таблицы Word. Таблицы без границ, где колонки выровнены только пробелами, не распознаются как таблицы и приходят в виде позиционированного текста. Для таблиц с данными часто лучше подходит PDF в Excel.
- Шрифты выглядят одинаково, только если шрифт установлен на компьютере, где открывают .docx. Иначе Word подставит похожий шрифт, и переносы строк могут сместиться.
- Многоколоночные страницы, боковые панели и текстовые блоки восстанавливаются по координатам. Будьте готовы поправить интервалы, а в сложной журнальной вёрстке иногда и порядок текста.
- Колонтитулы и номера страниц могут прийти как обычный текст вверху и внизу каждой страницы, а не как поля колонтитулов Word.
- Изображения переносятся. Диаграммы, нарисованные векторной графикой, могут превратиться в картинки с более низким разрешением.
А нужен ли вам вообще Word?
Конвертация — правильный выбор, когда нужно переписать значительную часть документа. Для небольших задач есть инструменты, которые сохраняют исходную вёрстку:
- Чтобы исправить опечатку, поменять дату или заменить логотип, редактируйте PDF напрямую. См. как редактировать PDF.
- Чтобы использовать текст на сайте или в приложении для заметок, PDF в Markdown даёт более чистый результат, чем файл Word.
- Чтобы заполнить форму, используйте Заполнить форму PDF, а не конвертацию.
- Чтобы перевести документ, о переводчике TokPDF и его ограничениях рассказывает руководство по ИИ-инструментам.
Конфиденциальность
И конвертация в Word, и OCR выполняются на вашем устройстве, поэтому договоры, расчётные листки и медицинские справки не покидают ваш компьютер. Обратная сторона — скорость на слабом оборудовании: документ на 200 страниц может обрабатываться несколько минут на старом ноутбуке, а если во время работы уйти с вкладки, в некоторых браузерах это замедлит процесс ещё сильнее. Учтите, что кнопка «Отмена» сбрасывает экран, но не останавливает уже запущенную конвертацию, поэтому, если нужно освободить устройство, перезагрузите страницу.
Частые вопросы
Почему мой документ Word после конвертации состоит из одних картинок?
Можно ли конвертировать только некоторые страницы?
Конвертация бесплатна?
Работает ли это с PDF, защищёнными паролем?
Какие языки поддерживает OCR?
Попробуйте прямо сейчас
Инструмент откроется в браузере. Регистрация не нужна.