使用指南
PDF 转 Word 后格式为什么会乱？
为什么把 PDF 转换为 Word 时版式、表格和分栏会错位，为什么扫描版 PDF 转不出文字，以及怎样才能得到更好的结果。
作者: Hemen Dönüştür Editör Ekibi发布日期: 阅读约 5 分钟
你把 PDF 转换成了 Word，结果表格变成了普通文字，双栏页面挤成了一栏，或者换行出现在了不同的位置。这通常不是转换器的“bug”，而是两种格式工作方式根本不同所带来的结果。本指南将介绍 PDF 与 Word 的区别、最常见的问题，以及怎样才能得到更好的结果。
核心区别：固定页面与流式文本
PDF 是一种固定版式的格式，设计目的就是让文档在任何设备和打印机上看起来都一样。Microsoft 的“在 Word 中打开 PDF”一文是这样说的：PDF 文件保存的是文字、图片和矢量图形在页面上的位置，但不一定保存它们之间的关系。换句话说，PDF 记录的是“这些字母位于页面上的这个位置”；它往往不会记录“这是一个段落”“这是一个表格单元格”或“这段文字接续到第二栏”。
Word 是流式格式。文字以段落的形式流动，分页会在输入时重新计算，表格由行和单元格组成。把 PDF 转换为 Word，就意味着要从位置信息中推断出这种结构。Microsoft 对其自身的转换功能也给出了同样的提醒：转换后的文档可能无法与原文逐页完全对应，换行和分页的位置也可能不同。
最常见的版式问题及其原因
表格变成了普通文字
在 PDF 中，表格通常只是放在特定位置上的一些文字片段和线条，并没有行或单元格的信息。Microsoft 把带有单元格间距的表格列为 PDF 转 Word 时已知会出问题的元素之一。我们的转换器不会把 PDF 表格重建为 Word 表格：单元格中的文字会作为普通段落转入 Word 文档，同一行的单元格可能会被合并为一行文字。
分栏和文本框消失了
我们的转换器按从上到下的顺序读取页面、同一行内按从左到右的顺序读取各项，从而构建出流式文档。对于单栏文本，这能得到正确的阅读顺序。但在报纸或杂志式的多栏页面上，左右并排的两栏中处于同一高度的行可能会混在一起。分栏布局和文本框不会保留在 Word 输出中。
字体变了
我们的转换器会把字体名称、字号和颜色带入 Word 文档。不过，嵌入在 PDF 中的字体本身不会随之转入；打开文档时，Word 使用的是你电脑上安装的字体。如果你没有相同的字体，Word 会用相似的字体代替，这会改变行的长度，进而改变分页。服务器上未安装的字体在转换时也会被替换为相近的字体。
换行与段落
如果你曾经从 PDF 中复制过文字，就会看到每行末尾都留下了一个硬换行。我们的转换器会把这些行重新合并为真正的段落，而较短的行和以句子结尾的行仍保持为单独的行。这种推断规则对大多数文本都有效，但在诗歌、地址块或由短行组成的列表中，你可能会看到个别行被合并或被分开。
背景、边框和特殊元素
整页的背景图片不会转入 Word 输出。根据 Microsoft 的列表，页面颜色和页面边框、框架、跨越多页的脚注、尾注、PDF 书签、批注以及发光或阴影等字体效果，也是 PDF 转 Word 时已知会出问题的元素。
扫描版 PDF 与 OCR
扫描版 PDF 由页面的照片组成，不包含可以选中的文字。要从这样的文件中提取文字，需要 OCR（光学字符识别）。我们的转换器不执行 OCR：只有图像的扫描版 PDF 无法提取出文字，转换会返回空结果。
判断 PDF 是否为扫描版很简单：在 PDF 阅读器中试着用鼠标选择文字。如果选不中单词，整个页面就像一张图片，那么这个文件就是扫描件。这种情况下，请先用 OCR 工具添加文字层，然后再转换。Microsoft 关于扫描文字的支持页面建议使用扫描仪附带的 OCR 软件，或者可以直接保存为可编辑 Word 文档的 Microsoft Lens；同一页面还指出，手写文字很少能被识别，OCR 之后一定要校对文字。
我们的转换器会保留什么
在我们的 PDF 转 Word 工具上，转换在我们的服务器上进行；你上传的 PDF 和生成的 DOCX 最迟会在 30 分钟内删除。输出会保留：
- 按阅读顺序排列的正文，各行合并为段落
- 根据字号识别出的标题
- 项目符号列表和连续编号列表
- 嵌入在 PDF 中的图片
- 字体名称、字号、颜色以及推断出的对齐方式
不会保留的有：分栏布局、文本框、表格结构和整页背景图片。设有密码的 PDF 在移除密码之前无法转换。
简而言之，从文字处理软件直接保存为 PDF 的单栏、以文字为主的文档效果最好。Microsoft 对其自身的 PDF 转换也是这么说的：它最适合以文字为主的 PDF。合同、报告、信函和文章都属于这一类；宣传册、杂志页面、表单和密集的财务报表在转换后需要更多的手动整理。
获得更好结果的技巧
- 寻找原始文件。如果 PDF 是由 Word 文档生成的，原始 DOCX 永远胜过任何转换。请向文档的制作者索要 Word 版本。
- 先对扫描版 PDF 进行 OCR。如果文字无法选中，请在转换前添加文字层。
- 移除密码。在阅读器中用密码打开受保护的 PDF，另存一份未受保护的副本，然后上传这份副本。
- 选择合适的目标格式。如果只需要文字，PDF 转 TXT 可以完全避开格式上的麻烦。想要保留标题和列表的干净文本，可以试试 PDF 转 Markdown。如果旧系统只接受 .doc，请使用 PDF 转 DOC 工具。
- 手动重建表格。对于复杂的表格，在 Word 中新建一个表格，再把转换出来的文字放进单元格，往往是最快的办法。
- 检查字体。如果输出中的行发生了偏移，把文档的字体换成你电脑上已安装的字体。
- 完成后再转回 PDF。在分享用 Word 编辑过的文档之前，用 Word 转 PDF 把版式重新固定下来。
常见问题
可以把扫描版 PDF 转换为 Word 吗？
用我们的转换器无法直接做到，因为我们不执行 OCR，而扫描页面上没有可选中的文字。请先用 OCR 工具为文件添加文字层，然后再转换。
PDF 中的表格会变成 Word 表格吗？
不会。PDF 把表格保存为放在特定位置的文字片段，而不是行和单元格，我们的转换器也不会据此重建表格。单元格中的文字会作为段落转入。
为什么页数变了？
Word 会让文字流动，并自行计算分页。字体、页边距和合并行上的细微差异都会移动分页位置，所以页数可能会改变。
为什么多栏 PDF 中的文字混在了一起？
我们的转换器从上到下读取页面，每一行从左到右读取，因此左右并排的两栏中处于同一高度的行可能会被连在一起。对于这类文档，请逐栏检查文字。
PDF 应该转换为 DOCX 还是 DOC？
如果你使用 Word 2007 或更高版本、Google 文档或 LibreOffice，请选择 PDF 转 Word 工具生成的 DOCX；它的支持更广泛。只有当对方使用 Word 97-2003，或者你要上传的系统只接受 .doc 时，才选择 DOC。
我的文件安全吗？
PDF 上传到我们的服务器仅用于转换；上传的文件和生成的 Word 文档最迟都会在 30 分钟内删除。无需注册。
