La formattazione da PDF a Word cambia perché un PDF descrive una pagina visiva fissa, mentre un documento Word descrive contenuto modificabile che può scorrere ed essere riorganizzato. Un convertitore spesso deve dedurre paragrafi, colonne e tabelle dal testo posizionato. Il PDF potrebbe non contenere informazioni sufficienti per ricreare la struttura del documento originale.
Perché una pagina che sembra giusta può convertire male
In un PDF è possibile disegnare parti di testo separate in corrispondenza di coordinate specifiche. Un essere umano vede un paragrafo o due colonne, ma le operazioni memorizzate non identificano necessariamente tale relazione. WordprocessingML, il formato di documento all'interno di DOCX, rappresenta strutture come paragrafi, sequenze di testo e tabelle. La conversione tra questi modelli implica l’interpretazione.
Ad esempio, una newsletter a due colonne può memorizzare frammenti di testo in un ordine diverso dal normale ordine di lettura. Un convertitore può unire accidentalmente una frase della colonna sinistra a un'intestazione della colonna destra. Allo stesso modo, i numeri allineati in modo da assomigliare a una tabella potrebbero non avere una struttura di tabella effettiva da recuperare.
Perché i caratteri e le interruzioni di riga cambiano?
Un PDF può incorporare un font o solo un sottoinsieme dei suoi caratteri. Ciò non garantisce che lo stesso carattere utilizzabile sia disponibile per il documento Word convertito. La sostituzione dei caratteri, la larghezza dei caratteri, la spaziatura dei paragrafi e i margini della pagina possono modificare il ritorno a capo della riga. Una piccola differenza all'inizio può spostare il contenuto su un'altra pagina.
Conservazione visiva e conversione modificabile
| Avvicinamento | Cosa ottieni | Principale compromesso |
|---|---|---|
| Conservazione visiva | Un'immagine renderizzata di ogni pagina PDF inserita in un DOCX. | La pagina può sembrare simile, ma il testo non è un normale testo Word modificabile. |
| Ricostruzione modificabile | Testo riconosciuto o estratto ricostruito nel contenuto di Word. | Puoi modificare il testo, ma il layout e la struttura del documento potrebbero cambiare. |
Un documento con immagine di pagina può essere utile quando un destinatario necessita specificamente di un DOCX contenente le pagine visive. Di solito è una scelta sbagliata per riscrivere i paragrafi. La ricostruzione modificabile è adatta alle revisioni del testo, a condizione che si conceda il tempo necessario per rivedere intestazioni, elenchi, tabelle e ordine di lettura. Nessuno dei due approcci recupera perfettamente il file sorgente originale.
Cosa cambia quando il PDF viene scansionato?
Una scansione di sole immagini non contiene testo utilizzabile per un normale estrattore di testo. L'OCR stima i caratteri dai pixel. Può interpretare erroneamente uno zero come la lettera O o unire colonne adiacenti e il riconoscimento delle parole non ripristina gli stili originali e la struttura del documento. Scopri come una scansione ricercabile è diversa da un PDF nativo.
Scegli l'output SoraFiles appropriato
La corrente Strumento SoraFiles da PDF a Word offre output modificabili e visivi. La conversione modificabile estrae il testo disponibile, utilizza l'OCR quando necessario e costruisce paragrafi di Word con intestazioni, elenchi e tabelle semplici dedotti. Non promette la ricostruzione del layout originale o dell'intero contenuto grafico. L'output visivo inserisce le pagine PDF renderizzate in DOCX come immagini.
Scegli un output modificabile se la modifica del testo è più importante. Scegli l'output visivo se preservare la disposizione visibile della pagina è più importante della modifica del testo. Controlla l'opzione di output selezionata prima della conversione e rivedi una pagina complessa prima di fare affidamento sull'intero documento.
Come ridurre le sorprese
- Richiedi il DOCX originale se disponibile; è una fonte di modifica migliore di un PDF convertito.
- Controlla la prima pagina, una pagina densa e ogni tabella complessa prima di modificare l'intero file.
- Confronta l'ordine di lettura delle colonne, gli elenchi numerati, le intestazioni, le note a piè di pagina e le interruzioni di pagina.
- Controlla nomi, date, totali e identificatori dopo l'OCR. Una parola apparentemente plausibile può comunque essere sbagliata.
- Dopo la modifica, crea un PDF e confronta nuovamente le pagine finali prima di condividerle.
Se hai solo bisogno di trovare o estrarre testo scansionato, PDF OCR potrebbe essere sufficiente. Dopo aver modificato un DOCX, utilizzare Da Word a PDF per preparare una copia a pagina fissa, quindi esaminarla in un visualizzatore PDF.
Riferimenti
- Microsoft: apertura di PDF in Word (External link, opens in a new tab)
- Microsoft: struttura di un documento WordprocessingML (External link, opens in a new tab)
- Adobe: gestione dei caratteri nella conversione PDF (External link, opens in a new tab)
- SoraFiles: da PDF a Word