PDF 轉 Word 線上

什麼時候會想把 PDF 轉成 Word

最常見的原因:您要編輯文件,而手上只有 PDF。對方寄來合約、報告或內部備忘錄,要修改的地方分散在文件各處 — 改一個錯字、更新日期、把某段換成修正後的版本。在 PDF 編輯器裡也能做,但要重寫的文字一多,在 Word 裡開檔速度比較快、操作也比較舒服。

其他常見的原因:把段落抽出來貼到別的文件;把某段複製到郵件本文;把以 PDF 收到的履歷重排版以投另一個職缺;把論文的部分章節重複利用。任何時候需要把 PDF 裡的文字拿出來放進可編輯的東西裡,這個轉換就是您要的。

這個轉換能還原什麼,不能還原什麼

本工具從您的 PDF 抽出文字,把它重新組成一份 Word 文件。實際上會發生什麼,主要看您的 PDF 真正是什麼類型。

• 以文字為基礎的 PDF 轉換得很好。如果您的 PDF 是從 Word 匯出的、是任何應用程式的「另存為 PDF」、或是某個系統直接產生的(開發票工具、報表產生器),PDF 裡的文字就是真正的文字 — 工具會乾淨地讀出來。產生的 Word 有可選取、可編輯的段落。
• 掃描的 PDF 只有在帶 OCR 圖層時才能以段落形式回來。純掃描沒做 OCR 的話,只是頁面的圖,沒有可抽取的文字。如果 PDF 是掃描但已經做過 OCR(很多現代掃描器與雲端服務會自動加上 OCR 圖層),工具會讀那層內容並產生文字。如果是沒有 OCR 的原始掃描,結果 Word 會是空的或幾乎空的。這時請先把 PDF 丟進另一個 OCR 工具處理。
• 版面重建對散文來得好,對複雜版面比較不行。工具透過分析字型大小、按行組織文字,來區別本文與標題。對一般文件 — 段落、標題、清單、簡單表格 — 效果不錯。對於多欄版面、繞著圖片排的腳註、有浮動文字的側欄,結果會把文字放在大致正確的順序,但不會是原本的版面。
• 圖片目前不會被抽到 Word 檔裡。工具的重點放在文字。如果您的 PDF 有照片、圖表或示意圖,而且您也想要在 Word 裡有,就要另外抽出來(打開 PDF、把該圖截圖、貼到 Word 裡),或者改用其他轉換方式。

那格式呢

工具會盡量保留可以可靠搬過去的東西:

• 標題與本文的區別是從字型大小推論而來 — 比本文明顯大的文字會在 Word 裡被標為標題。
• 段落分隔從行距判斷,所以 Word 的段落和 PDF 的段落對應。
• 字型大小大致以片段為單位保留 — PDF 裡的 14pt 文字在 Word 裡會在 14pt 上下。

什麼比較困難,以及為什麼:

• 粗體與斜體需要 PDF 真的有用粗體或斜體字型(而不是普通字型被渲染引擎畫得稍微粗一點)。很多 PDF 都正確編碼這些;有些則沒有。
• 有複雜儲存格合併的表格或巢狀表格通常會被攤平成線性段落。簡單的表格通過得比花俏的好。
• 原本的字型可能時會被引用,但您的電腦沒裝那些字型的話,Word 會用自己的字型替代。內容沒問題;外觀可能會不同。

實務提醒

1. 如果 PDF 有密碼,先解鎖。轉檔之前,把檔案丟進 unlock-pdf — 加密的 PDF 無法被打開做文字抽取。
2. 對於長 PDF,轉換需要時間。200 頁的文件每一頁都要解析文字、把文字行歸納成段落,然後再組裝出 .docx。在一般筆電上請預期一分鐘左右。第一次跑請耐心等候。
3. 來回會有損失。如果您拿一份 Word,把它轉成 PDF(用會把版面壓成圖片的工具),再把那份 PDF 轉回 Word — 第二份 Word 會比第一份粗糙不少。如果原本的 .docx 還在,那永遠會更乾淨。本工具是給原檔已經沒有的場合用的。
4. 如果您只要文字,不要 Word 檔,請見 pdf-to-txt。更快,直接給您可以貼到任何地方的純文字。

您的檔案會發生什麼事

您的 PDF 會被讀進瀏覽器的記憶體,在那裡解析出文字與版面,然後在本機被轉成 .docx。產生的 Word 檔會以下載的方式提供;沒有任何東西被上傳,沒有任何伺服器在處理您的文件。可以親自驗證:打開開發者工具,在轉檔過程中觀察 Network 分頁 — 不會有任何攜帶您檔案內容的對外請求。