简体中文
如何把 PDF 转为 Word
这个 PDF 转 Word 转换器会在浏览器中读取你的 PDF,并生成一个 .docx 文件,可以用 Word、LibreOffice 或 Google 文档编辑。文件不会发送到任何地方。共四个步骤:
- 选择 PDF,或把文件拖到虚线框中。如果只想看看输出效果,请点击 试用示例 PDF。
- 选择 流式文字 以便编辑内容,或选择 保留页面版式 以尽量接近打印的页面。把不需要还原的内容(例如图片)关闭即可。
- 查看预览。它会显示文字、标题、列表和表格在 Word 文件中的样子。如果这里的文字是乱码,在 Word 中也会是乱码。
- 点击 下载 .docx。文件会以 PDF 的名称命名,因此 report.pdf 会变为 report.docx。如果只需要纯文字,可以点击 复制文字。
如果只想转换文件的一部分,请输入页码,例如 1-3, 5, 8-。页码框留空则转换全部页面。
为什么 PDF 转 Word 后格式会丢失?
PDF 本质上是一组绘图指令:在这个位置、以这种字体放置这个字。它并不知道什么是段落、标题或表格。所有转换器,包括付费的,都必须根据位置来推断这些结构。左边界对齐且接近右边距的几行,很可能是同一段;字号较大的一行,很可能是标题;多行中上下对齐成列的文字,很可能是表格。
对于普通文档(报告、信件、合同、文章、对账单),这种推断效果不错。对于宣传册、海报和幻灯片,文字环绕图片,而且没有遵循网格,推断效果就差很多。处理这类文件时,预计需要花一分钟进行修正。对于这些文件,付费的桌面转换软件通常比任何浏览器工具(包括本工具)都做得更好。
流式文字还是保留页面版式?
| 流式文字 | 保留页面版式 | |
|---|---|---|
| 行 | 合并为段落,行末连字符被去除 | 保留原有的换行 |
| 页面大小和页边距 | 取自第 1 页,页边距统一 | 每页保留各自的大小和页边距 |
| 分栏 | 按顺序读取,先左栏后右栏,合并为单栏 | 真正的 Word 分栏 |
| 分页符 | 可选 | 每个 PDF 页对应一个 Word 页 |
| 编辑 | 文字正常重新换行 | 行位置固定,增加文字会打乱版式 |
如果你打算改写或重复使用文字,请选择流式文字。如果需要相同的页数和外观,例如为表单填写或批注,请选择保留页面版式,但要接受编辑起来比较麻烦。在我们对一份五页印尼语报告的测试中,保留页面版式在 LibreOffice 中同样是五页,与 PDF 一致。如果没有原始字体,Word 中的换行可能会有一两处不同。
哪些内容会被还原,哪些不会
| PDF 中的内容 | Word 文件中的效果 |
|---|---|
| 单独成行的较大文字 | 标题 1、2 或 3,字号最大的为一级标题 |
| 粗体和斜体字体 | 粗体和斜体文字,根据字体名称识别 |
| 项目符号和 1. 2. 3. 列表 | 真正的 Word 列表,支持多级嵌套 |
| 在列中对齐的行 | Word 表格,标记表头行,数字右对齐。边框一律会添加 |
| 图片 | 按阅读顺序放置。照片保存为 JPEG,透明图片保存为 PNG,较大的图片缩放至 2000 px |
| 重复的页眉、页脚、页码 | 默认跳过,也可以保留 |
| 文本框、形状、用线条绘制的图表 | 无法还原 |
| 文字颜色、链接、表单字段 | 不会保留 |
| 横排打印的文字 | 跳过,并附带提示 |
位于真实文字下方的整页图片(许多可搜索的扫描件就是这样制作的)会被省略,以免页面内容被重复显示。
如何把扫描版 PDF 转为 Word?
扫描件是一页的照片,没有可以提取的字母,因此预览是空的,工具会提示该 PDF 看起来是扫描件。点击 用 OCR 识别页面,选择文档语言并等待。第一次使用时会下载 OCR 引擎(Tesseract)和语言数据,之后页面会在你的设备上完成识别。清晰的 300 DPI 印刷页扫描件通常可以识别,只会有少量错误。歪斜的手机照片、手写内容或包含大量小数字的表格则不行,因此请仔细校对结果,并对照原件核对每一个数字。
大文件、页码范围和其他文字
页面逐页读取,并带有进度条和取消按钮。在桌面浏览器中,一个 120 页、26 MB 的测试文件大约用了四秒读取,生成的 Word 文件为 5.5 MB,因为图片被重新压缩了。每次转换最多接受 150 MB 和 600 页的 PDF。更长的文档请使用页码范围。
印尼语的重音字母、西班牙语字符、中文和阿拉伯文都会以普通的 Unicode 文字保留,阿拉伯文段落会被标记为从右到左,从而正确对齐。Word 文件会请求与 PDF 相同的字体族。如果你的电脑没有这种字体,Word 会使用其他字体替代,因此换行和字形可能略有不同。字体表损坏的 PDF 可能会产生乱码,预览会在你下载前显示出来。
常见问题
怎样把 PDF 转为 Word 且不上传文件?
把 PDF 拖到本页,查看预览后点击“下载 .docx”。浏览器会读取 PDF 并自行生成 Word 文件,文档不会离开你的手机或电脑。一份 10 页的文字型 PDF 通常只需几秒钟。
PDF 转 Word 后为什么格式会丢失?
PDF 记录的是每段文字在页面上的位置,而不是段落、标题或表格,所以任何转换器都要根据位置推断结构。本工具会把行合并为段落,根据字号识别标题,并还原列表和简单表格。浮动文本框、用矢量图形绘制的图表以及特殊版式,都无法与 PDF 完全一致。
能把扫描的 PDF 转为 Word 吗?
可以,需要使用 OCR。扫描件只是一张图片,没有可提取的文字,因此工具会识别出这一点,并提示你是否用浏览器中的 Tesseract OCR 识别页面。请先选择文档语言。清晰的 300 DPI 扫描件通常识别效果不错,歪斜的手机照片则差得多,扫描件中的表格也较难准确还原。识别结果需要仔细校对。
能只转换 PDF 的部分页面吗?
可以。在页码框中输入页码,例如 1-3, 5, 8-(8- 表示第 8 页到最后一页)。留空则转换整个文件。只读取和导出指定页面,大文件的转换速度也会更快。
Word 文件会保留表格和图片吗?
当行与列对齐时会识别为表格,并生成真正的 Word 表格,同时添加边框。PDF 中嵌入的图片会被提取,并按阅读顺序放置。位于真实文字下方的整页背景图会被跳过,以免页面内容重复。作为矢量图绘制的图表不会导出为图片。
“流式文字”和“保留页面版式”有什么区别?
“流式文字”会把行合并为普通段落,编辑时可以自动重新换行,并去掉行末的连字符,更适合编辑。“保留页面版式”会复制页面大小、页边距、换行、缩进和真正的 Word 分栏,使每一页都更接近 PDF,但行的位置是固定的,编辑起来没那么方便。
文件大小或页数有限制吗?
可以打开最大 150 MB 的 PDF,每次最多转换 600 页。页面逐页读取,并显示进度条和取消按钮,因此 100 页的文件不会让标签页卡死。较长的文档请按页码范围分批转换。
阿拉伯文、中文或印尼语文字能正确转换吗?
带有文字层的文字会以 Unicode 形式保留,包括印尼语的重音字母、阿拉伯文(标记为从右到左)和中文。Word 文件中的字体以 PDF 中的字体命名,如果你的电脑没有这些字体,Word 会使用替代字体,因此字形可能略有不同。字体编码损坏的 PDF 可能会出现乱码,预览会在你下载前显示出来。