راهنماها
چرا در تبدیل PDF به Word قالب‌بندی به هم می‌ریزد
چرا هنگام تبدیل PDF به Word صفحه‌آرایی، جدولها و ستون‌ها جابهجا میشوند، چرا PDFهای اسکنشده متنی نمی‌دهند و برای نتیجهٔ بهتر چه می‌توانید بکنید.
نویسنده: Hemen Dönüştür Editör Ekibiتاریخ انتشار: 7 دقیقه مطالعه
یک PDF را به Word تبدیل کرده‌اید، اما در نتیجه جدولها به متن ساده تبدیل شده‌اند، یک صفحهٔ دوستونی در یک ستون فرو ریخته یا شکست خط‌ها جای دیگری افتاده‌اند. این معمولاً «باگ» مبدل نیست، بلکه پیامد این است که این دو فرمت از بنیاد به شکل متفاوتی کار میکنند. این راهنما تفاوت PDF و Word، رایج‌ترین مشکلات و کارهایی را که برای نتیجهٔ بهتر می‌توانید انجام دهید توضیح می‌دهد.
تفاوت بنیادی: صفحهٔ ثابت در برابر متن جاری
PDF فرمتی با صفحه‌آرایی ثابت است و طوری طراحی شده که سند روی هر دستگاه و چاپگری یکسان دیده شود. مقالهٔ «Opening PDFs in Word» مایکروسافت آن را این‌گونه بیان میکند: فایل PDF محل متن، تصاویر و گرافیک‌های برداری را روی صفحه ذخیره میکند، اما نه لزوماً رابطهٔ میان آن‌ها را. به بیان دیگر، PDF ثبت میکند که «این حروف در این نقطه از صفحه قرار دارند»؛ اغلب ثبت نمیکند که «این یک پاراگراف است»، «این یک خانهٔ جدول است» یا «این متن در ستون دوم ادامه پیدا میکند».
Word فرمتی جاری است. متن در پاراگراف‌ها جریان دارد، شکست صفحهها هنگام تایپ دوباره محاسبه میشوند و جدولها از ردیف و خانه ساخته شده‌اند. تبدیل PDF به Word یعنی استنباط این ساختار از روی موقعیت‌ها. مایکروسافت دربارهٔ تبدیل خودش هم همین هشدار را می‌دهد: ممکن است سند تبدیل‌شده صفحه به صفحه دقیقاً با نسخهٔ اصلی مطابق نباشد و شکست خط‌ها و صفحهها جای دیگری بیفتند.
رایج‌ترین مشکلات صفحه‌آرایی و دلیل آن‌ها
جدولها به متن ساده تبدیل میشوند
در PDF، جدول معمولاً فقط تکه‌هایی از متن و خط‌هایی است که در موقعیت‌های مشخصی قرار گرفته‌اند؛ اطلاعاتی دربارهٔ ردیف یا خانه وجود ندارد. مایکروسافت جدولهای دارای فاصلهٔ خانهها را جزو عناصری فهرست میکند که در تبدیل PDF به Word مشکل‌سازند. مبدل ما جدولهای PDF را به صورت جدول Word بازسازی نمیکند: متن خانهها به صورت پاراگراف‌های معمولی به سند Word منتقل میشود و خانه‌های یک ردیف ممکن است در یک خط متن به هم بپیوندند.
ستون‌ها و کادرهای متن ناپدید میشوند
مبدل ما سندی جاری می‌سازد، به این ترتیب که صفحه را از بالا به پایین و موارد هم‌خط را از چپ به راست می‌خواند. برای متن تک‌ستونی این کار ترتیب خواندن درست را می‌دهد. اما در صفحههای چندستونی به سبک روزنامه یا مجله، خط‌هایی که در دو ستون کنار هم در یک ارتفاع قرار دارند ممکن است در هم بروند. چیدمان ستونی و کادرهای متن در خروجی Word حفظ نمی‌شوند.
قلمها تغییر میکنند
مبدل ما نام، اندازه و رنگ قلم را به سند Word منتقل میکند. اما قلمی که درون PDF جاسازی شده همراه آن نمی‌آید؛ وقتی سند را باز می‌کنید، Word از قلم‌های نصب‌شده روی کامپیوتر شما استفاده میکند. اگر همان قلم را نداشته باشید، Word قلم مشابهی جایگزین میکند که طول خط‌ها و در نتیجه شکست صفحهها را تغییر می‌دهد. قلم‌هایی که روی سرور ما نصب نیستند هم هنگام تبدیل با معادل‌های نزدیک جایگزین میشوند.
شکست خط‌ها و پاراگراف‌ها
اگر تا به حال متنی را از PDF کپی کرده باشید، دیده‌اید که در انتهای هر خط یک شکست خط سخت باقی می‌ماند. مبدل ما این خط‌ها را دوباره به پاراگراف‌های واقعی می‌پیوندد، در حالی که خطهای کوتاه و خط‌هایی که جمله را تمام میکنند جدا می‌مانند. این روش ابتکاری برای بیشتر متن‌ها جواب می‌دهد، اما در شعر، بلوک‌های نشانی یا فهرست‌هایی با خطهای کوتاه ممکن است ببینید چند خط به هم پیوسته یا جدا مانده‌اند.
پس‌زمینه‌ها، کادرها و عناصر خاص
تصاویر پس‌زمینهٔ تمام‌صفحه به خروجی Word منتقل نمی‌شوند. طبق فهرست مایکروسافت، رنگ صفحه و حاشیه‌های صفحه، قاب‌ها، پانویس‌هایی که بیش از یک صفحه را می‌پوشانند، یادداشت‌های پایانی، نشانک‌های PDF، یادداشت‌ها (comments) و جلوه‌های قلم مانند درخشش یا سایه هم در تبدیل PDF به Word مشکل‌ساز شناخته میشوند.
PDFهای اسکنشده و OCR
PDF اسکنشده از عکس صفحهها ساخته شده و متن قابل انتخابی ندارد. بیرون کشیدن متن از چنین فایلی به OCR (نویسه‌خوانی نوری) نیاز دارد. مبدل ما OCR اجرا نمیکند: یک PDF اسکنشده که فقط تصویر دارد متنی نمی‌دهد و تبدیل نتیجه‌ای خالی برمی‌گرداند.
بررسی اسکنشده بودن یک PDF آسان است: در یک نمایشگر PDF سعی کنید با ماوس متن را انتخاب کنید. اگر نمی‌توانید واژه‌ها را انتخاب کنید و کل صفحه مثل یک تصویر رفتار میکند، فایل اسکن است. در این حالت ابتدا با یک ابزار OCR لایهٔ متنی اضافه کنید و سپس تبدیل کنید. صفحهٔ پشتیبانی مایکروسافت دربارهٔ متن اسکنشده، نرم‌افزار OCR همراه اسکنر یا Microsoft Lens را پیشنهاد میکند که می‌تواند مستقیم در یک سند Word ویرایش‌پذیر ذخیره کند؛ همان صفحه یادآوری میکند که دست‌خط به‌ندرت تشخیص داده میشود و همیشه باید متن را پس از OCR بازخوانی کرد.
مبدل ما چه چیزهایی را حفظ میکند
در مبدل PDF به Word ما تبدیل روی سرور ما انجام میشود؛ PDF آپلودشده و DOCX حاصل حداکثر ظرف 30 دقیقه حذف میشوند. خروجی این‌ها را حفظ میکند:
- متن اصلی به ترتیب خواندن، با خط‌هایی که به پاراگراف پیوسته‌اند
- عنوان‌هایی که از روی اندازهٔ قلم تشخیص داده میشوند
- فهرست‌های نشانه‌دار و فهرست‌های شماره‌دار پیاپی
- تصاویر جاسازی‌شده در PDF
- نام، اندازه و رنگ قلم و ترازبندی تخمینی
آنچه حفظ نمی‌شود: چیدمان ستونی، کادرهای متن، ساختار جدول و تصاویر پس‌زمینهٔ تمام‌صفحه. PDFهای دارای گذرواژه تا وقتی گذرواژه برداشته نشود تبدیل نمی‌شوند.
خلاصه اینکه بهترین نتیجه را با اسناد تک‌ستونی و پرمتنی می‌گیرید که مستقیم از یک واژه‌پرداز به PDF ذخیره شده‌اند. مایکروسافت هم دربارهٔ تبدیل PDF خودش همین را می‌گوید: با PDFهایی که بیشترشان متن است بهتر کار میکند. قراردادها، گزارش‌ها، نامه‌ها و مقاله‌ها در این گروه‌اند؛ بروشورها، صفحههای مجله، فرم‌ها و جدولهای مالی فشرده پس از تبدیل به اصلاح دستی بیشتری نیاز دارند.
نکته‌هایی برای نتیجهٔ بهتر
- به دنبال فایل اصلی بگردید. اگر PDF از یک سند Word ساخته شده، DOCX اصلی همیشه از هر تبدیلی بهتر است. نسخهٔ Word را از کسی که سند را تهیه کرده بخواهید.
- PDFهای اسکنشده را ابتدا از OCR عبور دهید. اگر متن قابل انتخاب نیست، پیش از تبدیل یک لایهٔ متنی اضافه کنید.
- گذرواژه را بردارید. PDF محافظت‌شده را با گذرواژه‌اش در نمایشگر باز کنید، یک نسخهٔ بدون محافظت ذخیره کنید و همان نسخه را آپلود کنید.
- مقصد درست را انتخاب کنید. اگر فقط واژه‌ها را لازم دارید، تبدیل PDF به TXT شما را به‌کلی از شلوغی قالب‌بندی خلاص میکند. برای متن تمیزی که عنوان‌ها و فهرست‌ها را حفظ کند، تبدیل PDF به Markdown را امتحان کنید. اگر سیستمی قدیمی فقط .doc می‌پذیرد، از مبدل PDF به DOC استفاده کنید.
- جدولها را دستی بازسازی کنید. برای جدولهای پیچیده، ساختن یک جدول تازه در Word و قرار دادن متن تبدیل‌شده در خانه‌هایش اغلب سریع‌ترین راه است.
- قلمها را بررسی کنید. اگر خط‌ها در خروجی جابهجا شده‌اند، قلم سند را به قلمی که روی کامپیوترتان نصب است تغییر دهید.
- در پایان دوباره PDF کنید. پیش از اشتراک‌گذاری سندی که در Word ویرایش کرده‌اید، آن را با تبدیل Word به PDF تبدیل کنید تا صفحه‌آرایی دوباره ثابت شود.
پرسش‌های متداول
آیا میتوانم PDF اسکنشده را به Word تبدیل کنم؟
با مبدل ما مستقیم نه، چون OCR اجرا نمیکنیم و صفحههای اسکنشده متن قابل انتخابی ندارند. ابتدا فایل را از یک ابزار OCR عبور دهید تا لایهٔ متنی اضافه شود و سپس تبدیلش کنید.
آیا جدولهای PDF من به صورت جدول Word درمیآیند؟
نه. PDF جدول را به صورت تکههای متن موقعیتدار ذخیره میکند، نه به صورت ردیف و خانه، و مبدل ما جدولها را از روی آن بازسازی نمیکند. متن خانهها به صورت پاراگراف منتقل میشود.
چرا تعداد صفحهها تغییر کرد؟
Word متن را جاری میکند و شکست صفحهها را خودش محاسبه میکند. تفاوتهای کوچک در قلمها، حاشیهها و خطهای پیوسته شکست صفحهها را جابهجا میکنند، بنابراین تعداد صفحهها ممکن است تغییر کند.
چرا در PDFهای چندستونی متن در هم می‌رود؟
مبدل ما صفحه را از بالا به پایین و هر خط را از چپ به راست می‌خواند، بنابراین خط‌هایی که در دو ستون کنار هم در یک ارتفاع قرار دارند ممکن است به هم بپیوندند. در چنین اسنادی متن را ستون به ستون بررسی کنید.
PDF را به DOCX تبدیل کنم یا DOC؟
اگر از Word 2007 یا بعد از آن، Google Docs یا LibreOffice استفاده می‌کنید، DOCX تولیدشده توسط مبدل PDF به Word را انتخاب کنید؛ پشتیبانی گسترده‌تری دارد. DOC را فقط وقتی انتخاب کنید که طرف مقابل از Word 97-2003 استفاده میکند یا سیستمی که در آن بارگذاری می‌کنید جز .doc چیزی نمی‌پذیرد.
آیا فایلهای من امن هستند؟
PDF فقط برای تبدیل روی سرور ما آپلود میشود؛ هم فایل آپلودشده و هم سند Word حاصل حداکثر ظرف 30 دقیقه حذف میشوند. به ثبتنام هم نیازی نیست.
