ガイド
PDFをWordに変換するとレイアウトが崩れる理由
PDFをWordに変換するとレイアウト、表、段組みがずれる理由、スキャンしたPDFからテキストが出てこない理由、そしてよりよい結果を得るための方法を解説します。
著者: Hemen Dönüştür Editör Ekibi公開日: 8 分で読めます
PDFをWordに変換したのに、結果を見ると表がただのテキストになっていたり、2段組みのページが1段にまとまっていたり、改行の位置が違っていたりする。これはたいてい変換ツールの「バグ」ではなく、2つの形式の仕組みが根本的に違うことによる結果です。このガイドでは、PDFとWordの違い、よくある問題、よりよい結果を得るためにできることを説明します。
根本的な違い：固定されたページと流れるテキスト
PDFは、どの端末やプリンターでも文書が同じに見えるよう設計された、レイアウトが固定された形式です。Microsoftの「WordでPDFを開く」の記事は、PDFファイルはページ上のテキスト、画像、ベクター図形の位置を保存しているが、それらの関係を保存しているとは限らない、と説明しています。つまりPDFは「これらの文字はページのこの位置にある」と記録していても、「これは段落」「これは表のセル」「このテキストは2段目に続く」といったことは記録していないことが多いのです。
Wordは流れる形式です。テキストは段落として流れ、改ページは入力に合わせて計算し直され、表は行とセルでできています。PDFをWordに変換するとは、位置からその構造を推測することです。Microsoftも自社の変換について同じ注意をしており、変換された文書は元の文書とページ単位で完全には一致しないことがあり、改行や改ページの位置が変わることがあるとしています。
よくあるレイアウトの問題とその理由
表がただのテキストになる
PDFでは、表はたいてい特定の位置に置かれたテキストの断片と線にすぎず、行やセルの情報はありません。Microsoftは、セルの間隔のある表を、PDFからWordへの変換で問題が起きやすい要素に挙げています。当サイトの変換ツールは、PDFの表をWordの表として組み立て直しません。セルのテキストは普通の段落としてWord文書に移され、同じ行のセルが1行のテキストにつながることがあります。
段組みやテキストボックスが消える
当サイトの変換ツールは、ページを上から下へ、同じ行の要素を左から右へと読んで、流れる文書を作ります。1段組みのテキストなら、これで正しい読み順になります。しかし新聞や雑誌のような複数段組みのページでは、横に並んだ2つの段で同じ高さにある行が混ざってしまうことがあります。段組みのレイアウトとテキストボックスは、Wordの出力には残りません。
フォントが変わる
当サイトの変換ツールは、フォント名、サイズ、色をWord文書に引き継ぎます。ただし、PDFに埋め込まれたフォントそのものは一緒に移りません。文書を開くと、Wordはパソコンにインストールされているフォントを使います。同じフォントがなければ似たフォントで代用されるため、行の長さが変わり、それに伴って改ページの位置も変わります。当サイトのサーバーにインストールされていないフォントも、変換時に近いフォントに置き換えられます。
改行と段落
PDFからテキストをコピーしたことがあれば、各行の末尾に強制改行が残るのを見たことがあるでしょう。当サイトの変換ツールはそうした行をつなげて本当の段落に戻し、短い行や文の終わりの行は別の行のまま残します。この推定はほとんどのテキストでうまくいきますが、詩、住所の欄、短い行のリストでは、いくつかの行がつながったり離れたままになったりすることがあります。
背景、罫線、特殊な要素
ページ全体の背景画像は、Wordの出力には移りません。Microsoftの一覧によれば、ページの色やページ罫線、フレーム、複数ページにまたがる脚注、文末脚注、PDFのしおり、コメント、光彩や影といったフォントの効果も、PDFからWordへの変換で問題が起きやすいとされています。
スキャンしたPDFとOCR
スキャンしたPDFはページの写真でできており、選択できるテキストを含んでいません。そうしたファイルからテキストを取り出すには、OCR（光学文字認識）が必要です。当サイトの変換ツールはOCRを行わないため、画像だけのスキャンPDFからはテキストが得られず、変換結果は空になります。
PDFがスキャンかどうかは簡単に確かめられます。PDFビューアーでマウスを使ってテキストを選択してみてください。単語を選択できず、ページ全体が1枚の画像のように振る舞うなら、そのファイルはスキャンです。その場合は、先にOCRツールでテキストレイヤーを加えてから変換してください。Microsoftのスキャンしたテキストに関するサポートページは、スキャナーに付属するOCRソフトや、編集可能なWord文書に直接保存できるMicrosoft Lensを勧めています。同じページは、手書きの文字はほとんど認識されないこと、OCRのあとは必ずテキストを校正すべきことにも触れています。
当サイトの変換ツールで保たれるもの
当サイトのPDFからWordへの変換ツールでは、変換は当サイトのサーバーで行われ、アップロードしたPDFとできあがったDOCXは遅くとも30分以内に削除されます。出力では次のものが保たれます。
- 読み順どおりの本文と、段落につなげた行
- フォントサイズから判別した見出し
- 箇条書きと連続した番号付きリスト
- PDFに埋め込まれた画像
- フォント名、サイズ、色、推定した配置
保たれないもの：段組みのレイアウト、テキストボックス、表の構造、ページ全体の背景画像。パスワードで保護されたPDFは、パスワードを外すまで変換できません。
まとめると、ワープロソフトから直接PDFとして保存した、1段組みでテキスト中心の文書で最もよい結果が得られます。Microsoftも自社のPDF変換について、ほとんどがテキストのPDFで最もうまくいくとしています。契約書、報告書、手紙、記事はこのグループに入ります。パンフレット、雑誌のページ、フォーム、細かい財務の表は、変換後に手作業での修正がより多く必要になります。
よりよい結果を得るためのコツ
- 元のファイルを探しましょう。PDFがWord文書から作られたものなら、元のDOCXはどんな変換にも勝ります。文書を作った人にWord版を頼んでみてください。
- スキャンしたPDFは先にOCRにかけましょう。テキストを選択できないなら、変換の前にテキストレイヤーを加えてください。
- パスワードを外しましょう。保護されたPDFをビューアーでパスワードを使って開き、保護のないコピーを保存して、そのコピーをアップロードします。
- 適切な変換先を選びましょう。文字だけが必要なら、PDFからTXTへの変換で書式の乱れを丸ごと避けられます。見出しやリストを保ったきれいなテキストなら、PDFからMarkdownへの変換を試してください。古いシステムが.docしか受け付けないなら、PDFからDOCへの変換ツールを使いましょう。
- 表は手で作り直しましょう。複雑な表は、Wordで新しい表を作り、変換したテキストをセルに入れていくのが最も早いことがよくあります。
- フォントを確認しましょう。出力で行がずれているなら、文書のフォントをパソコンにインストールされているものに変えてください。
- 作業が終わったらPDFに戻しましょう。Wordで編集した文書を共有する前に、WordからPDFへの変換でレイアウトを再び固定してください。
よくある質問
スキャンしたPDFをWordに変換できますか？
当サイトの変換ツールでは直接はできません。OCRを行わず、スキャンしたページには選択できるテキストがないからです。先にOCRツールにかけてテキストレイヤーを加え、その後で変換してください。
PDFの表はWordの表として出てきますか？
いいえ。PDFは表を行とセルではなく、位置の決まったテキストの断片として保存しており、当サイトの変換ツールはそこから表を組み立て直しません。セルのテキストは段落として移されます。
ページ数が変わったのはなぜですか？
Wordはテキストを流し込み、改ページを自分で計算します。フォント、余白、つなげた行のわずかな違いで改ページの位置が動くため、ページ数が変わることがあります。
段組みのPDFでテキストが混ざるのはなぜですか？
当サイトの変換ツールはページを上から下へ、各行を左から右へ読むため、横に並んだ2つの段で同じ高さにある行がつながることがあります。こうした文書では、段ごとにテキストを確認してください。
PDFはDOCXとDOCのどちらに変換すべきですか？
Word 2007以降、Googleドキュメント、LibreOfficeを使っているなら、PDFからWordへの変換ツールで作るDOCXを選んでください。より広く対応しています。DOCを選ぶのは、相手がWord 97-2003を使っている場合か、アップロード先のシステムが.docしか受け付けない場合だけにしましょう。
ファイルは安全ですか？
PDFは変換のためだけに当サイトのサーバーにアップロードされ、アップロードしたファイルとできあがったWord文書はどちらも遅くとも30分以内に削除されます。登録は不要です。
