Guide
Perché da PDF a Word la formattazione si rovina
Perché impaginazione, tabelle e colonne si spostano quando converti un PDF in Word, perché i PDF scansionati non producono testo e cosa puoi fare per ottenere risultati migliori.
Autore: Hemen Dönüştür Editör EkibiPubblicato: 8 min di lettura
Hai convertito un PDF in Word, ma nel risultato le tabelle sono diventate testo semplice, una pagina a due colonne si è ridotta a una sola colonna o gli a capo cadono in punti diversi. Di solito non è un "bug" del convertitore, ma una conseguenza del fatto che i due formati funzionano in modo profondamente diverso. In questa guida vediamo la differenza tra PDF e Word, i problemi più comuni e cosa puoi fare per ottenere risultati migliori.
La differenza di fondo: pagine fisse e testo che scorre
Il PDF è un formato a impaginazione fissa, pensato perché un documento appaia identico su ogni dispositivo e stampante. L'articolo di Microsoft "Opening PDFs in Word" lo spiega così: un file PDF memorizza la posizione di testo, immagini e grafica vettoriale su una pagina, ma non necessariamente le relazioni tra questi elementi. In altre parole, un PDF registra "queste lettere stanno in questo punto della pagina"; spesso non registra "questo è un paragrafo", "questa è una cella di tabella" o "questo testo prosegue nella seconda colonna".
Word è invece un formato a flusso. Il testo scorre in paragrafi, le interruzioni di pagina vengono ricalcolate mentre scrivi e le tabelle sono fatte di righe e celle. Convertire un PDF in Word significa dedurre questa struttura dalle posizioni. Microsoft fa la stessa avvertenza a proposito della propria conversione: il documento convertito potrebbe non corrispondere perfettamente pagina per pagina all'originale, e le interruzioni di riga e di pagina possono cadere in punti diversi.
I problemi di impaginazione più comuni e perché si verificano
Le tabelle diventano testo semplice
In un PDF una tabella è di solito solo un insieme di frammenti di testo e linee collocati in certe posizioni: non ci sono informazioni su righe o celle. Microsoft elenca le tabelle con spaziatura tra le celle tra gli elementi notoriamente problematici nella conversione da PDF a Word. Il nostro convertitore non ricostruisce le tabelle del PDF come tabelle di Word: il testo delle celle viene riportato nel documento Word come paragrafi normali, e le celle della stessa riga possono essere unite in un'unica riga di testo.
Colonne e caselle di testo scompaiono
Il nostro convertitore crea un documento a flusso leggendo la pagina dall'alto verso il basso, e gli elementi sulla stessa riga da sinistra a destra. Per un testo a colonna singola questo dà l'ordine di lettura corretto. Nelle pagine in stile giornale o rivista con più colonne, però, le righe alla stessa altezza di due colonne affiancate possono mescolarsi. Il layout a colonne e le caselle di testo non vengono mantenuti nel file Word.
I caratteri cambiano
Il nostro convertitore riporta nel documento Word il nome, la dimensione e il colore del carattere. Il font incorporato nel PDF, però, non viene trasferito: quando apri il documento, Word usa i font installati sul tuo computer. Se non hai lo stesso font, Word lo sostituisce con uno simile, il che cambia la lunghezza delle righe e quindi le interruzioni di pagina. Anche i font non installati sul nostro server vengono sostituiti con equivalenti simili durante la conversione.
A capo e paragrafi
Se ti è mai capitato di copiare testo da un PDF, avrai visto un a capo forzato alla fine di ogni riga. Il nostro convertitore riunisce quelle righe in veri paragrafi, mentre le righe brevi e quelle che chiudono una frase restano separate. Questa euristica funziona con la maggior parte dei testi, ma in poesie, blocchi di indirizzi o elenchi con righe brevi potresti trovare qualche riga unita o rimasta separata.
Sfondi, bordi ed elementi speciali
Le immagini di sfondo a pagina intera non vengono riportate nel file Word. Secondo l'elenco di Microsoft, sono notoriamente problematici nella conversione da PDF a Word anche i colori e i bordi di pagina, le cornici, le note a piè di pagina che occupano più di una pagina, le note di chiusura, i segnalibri del PDF, i commenti e gli effetti sui caratteri come alone o ombreggiatura.
PDF scansionati e OCR
Un PDF scansionato è composto da foto delle pagine e non contiene testo selezionabile. Per estrarre testo da un file del genere serve l'OCR (riconoscimento ottico dei caratteri). Il nostro convertitore non esegue l'OCR: un PDF scansionato composto solo da immagini non produce testo e la conversione restituisce un risultato vuoto.
Capire se un PDF è scansionato è facile: prova a selezionare del testo con il mouse in un lettore PDF. Se non riesci a selezionare le parole e l'intera pagina si comporta come un'unica immagine, il file è una scansione. In quel caso aggiungi prima un livello di testo con uno strumento OCR, poi converti. La pagina di supporto Microsoft sul testo scansionato suggerisce il software OCR fornito con lo scanner, oppure Microsoft Lens, che può salvare direttamente in un documento Word modificabile; la stessa pagina precisa che la scrittura a mano viene riconosciuta di rado e che conviene sempre rileggere il testo dopo l'OCR.
Cosa conserva il nostro convertitore
Con il nostro convertitore da PDF a Word la conversione avviene sul nostro server; il PDF che carichi e il DOCX risultante vengono eliminati entro 30 minuti al massimo. Il risultato conserva:
- Il testo principale nell'ordine di lettura, con le righe riunite in paragrafi
- I titoli, riconosciuti dalla dimensione del carattere
- Gli elenchi puntati e gli elenchi numerati consecutivi
- Le immagini incorporate nel PDF
- Nome, dimensione e colore del carattere e un allineamento stimato
Cosa non viene conservato: il layout a colonne, le caselle di testo, la struttura delle tabelle e le immagini di sfondo a pagina intera. I PDF protetti da password non possono essere convertiti finché la password non viene rimossa.
In breve, i risultati migliori si ottengono con documenti a colonna singola, ricchi di testo, salvati direttamente in PDF da un programma di videoscrittura. Microsoft dice lo stesso della propria conversione PDF, che funziona meglio con PDF composti per lo più da testo. Contratti, relazioni, lettere e articoli rientrano in questo gruppo; brochure, pagine di riviste, moduli e tabelle finanziarie fitte richiedono più ritocchi manuali dopo la conversione.
Consigli per risultati migliori
- Cerca il file originale. Se il PDF è stato creato da un documento Word, il DOCX originale sarà sempre meglio di qualsiasi conversione. Chiedi la versione Word a chi ha prodotto il documento.
- Passa prima i PDF scansionati all'OCR. Se il testo non si può selezionare, aggiungi un livello di testo prima di convertire.
- Rimuovi la password. Apri il PDF protetto nel tuo lettore con la password, salva una copia non protetta e carica quella copia.
- Scegli il formato di destinazione giusto. Se ti servono solo le parole, da PDF a TXT evita del tutto il disordine della formattazione. Per un testo pulito che mantenga titoli ed elenchi, prova da PDF a Markdown. Se un sistema datato accetta solo .doc, usa il convertitore da PDF a DOC.
- Ricostruisci le tabelle a mano. Per le tabelle complesse, creare una nuova tabella in Word e inserire il testo convertito nelle celle è spesso la strada più rapida.
- Controlla i caratteri. Se nel risultato le righe si sono spostate, imposta per il documento un font installato sul tuo computer.
- Quando hai finito, torna al PDF. Prima di condividere un documento modificato in Word, convertilo con da Word a PDF per bloccare di nuovo l'impaginazione.
Domande frequenti
Posso convertire in Word un PDF scansionato?
Non direttamente con il nostro convertitore, perché non eseguiamo l'OCR e le pagine scansionate non hanno testo selezionabile. Passa prima il file a uno strumento OCR per aggiungere un livello di testo, poi convertilo.
Le tabelle del mio PDF diventeranno tabelle di Word?
No. Un PDF memorizza una tabella come frammenti di testo posizionati, non come righe e celle, e il nostro convertitore non ricostruisce le tabelle a partire da questi. Il testo delle celle viene riportato come paragrafi.
Perché è cambiato il numero di pagine?
Word fa scorrere il testo e calcola da solo le interruzioni di pagina. Piccole differenze di caratteri, margini e righe unite spostano le interruzioni di pagina, quindi il numero di pagine può cambiare.
Perché il testo si mescola nei PDF a più colonne?
Il nostro convertitore legge la pagina dall'alto verso il basso e ogni riga da sinistra a destra, quindi le righe alla stessa altezza di due colonne affiancate possono essere unite. In documenti di questo tipo controlla il testo colonna per colonna.
Conviene convertire il PDF in DOCX o in DOC?
Se usi Word 2007 o versioni successive, Google Documenti o LibreOffice, scegli il DOCX prodotto dal convertitore da PDF a Word: è supportato più ampiamente. Scegli il DOC solo se dall'altra parte si usa Word 97-2003 o se il sistema su cui carichi il file accetta soltanto .doc.
I miei file sono al sicuro?
Il PDF viene caricato sul nostro server solo per la conversione; sia il file caricato sia il documento Word risultante vengono eliminati entro 30 minuti al massimo. Non serve registrarsi.
