Форматирование PDF в Word меняется, поскольку PDF описывает фиксированную визуальную страницу, а документ Word описывает редактируемый контент, который можно перемещать и компоновать снова. Конвертеру часто приходится выводить абзацы, столбцы и таблицы из позиционированного текста. PDF-файл может содержать недостаточно информации для воссоздания структуры исходного документа.
Почему страница, которая выглядит хорошо, может плохо конвертироваться
В PDF-файле отдельные фрагменты текста могут быть нарисованы по определенным координатам. Человек видит один абзац или два столбца, но хранимые операции не обязательно идентифицируют эту связь. WordprocessingML, формат документа внутри DOCX, представляет такие структуры, как абзацы, текстовые фрагменты и таблицы. Преобразование между этими моделями включает интерпретацию.
Например, информационный бюллетень с двумя колонками может хранить фрагменты текста в порядке, отличном от обычного порядка чтения. Конвертер может случайно соединить предложение в левом столбце с заголовком в правом столбце. Аналогичным образом, числа, выровненные так, чтобы выглядеть как таблица, могут не иметь фактической структуры таблицы для восстановления.
Почему меняются шрифты и переносы строк?
PDF-файл может включать шрифт или только часть его символов. Это не гарантирует, что в преобразованном документе Word будет доступен тот же используемый шрифт. Замена шрифта, ширина символов, интервал между абзацами и поля страницы могут изменить перенос строк. Небольшая разница в начале может переместить контент на другую страницу.
Визуальное сохранение против редактируемого преобразования
| Подход | Что вы получаете | Главный компромисс |
|---|---|---|
| Визуальная консервация | Визуализированное изображение каждой страницы PDF, помещенное в DOCX. | Страница может выглядеть похоже, но ее текст не является обычным редактируемым текстом Word. |
| Редактируемая реконструкция | Распознанный или извлеченный текст перестраивается в содержимое Word. | Вы можете редактировать текст, но макет и структура документа могут измениться. |
Документ с изображением страницы может быть полезен, когда получателю особенно нужен DOCX, содержащий визуальные страницы. Обычно это плохой выбор для переписывания абзацев. Редактируемая реконструкция подходит для редактирования текста при условии, что у вас есть время просмотреть заголовки, списки, таблицы и порядок чтения. Ни один из подходов не позволяет полностью восстановить исходный файл.
Что меняется при сканировании PDF-файла?
Сканирование только с изображением не содержит текста, пригодного для использования в обычном средстве извлечения текста. OCR оценивает символы по пикселям. Он может ошибочно принять ноль за букву О или объединить соседние столбцы, а распознавание слов не восстановит исходные стили и структуру документа. Узнайте, как скан с возможностью поиска отличается от исходного PDF-файла.
Выберите соответствующий вывод SoraFiles.
Текущий Инструмент SoraFiles PDF в Word предлагает редактируемые и визуальные результаты. Редактируемое преобразование извлекает доступный текст, при необходимости использует OCR и создает абзацы Word с предполагаемыми заголовками, списками и простыми таблицами. Он не обещает реконструкцию исходного макета или всего графического контента. Визуальный вывод помещает обработанные страницы PDF в DOCX в виде изображений.
Выбирайте редактируемый результат, если изменение формулировки имеет решающее значение. Выбирайте визуальный вывод, если сохранение видимого расположения страницы важнее, чем редактирование ее текста. Проверьте выбранный вариант вывода перед преобразованием и просмотрите сложную страницу, прежде чем полагаться на весь документ.
Как уменьшить количество сюрпризов
- Попросите оригинальный DOCX, если он доступен; это лучший источник редактирования, чем преобразованный PDF-файл.
- Прежде чем редактировать весь файл, проверьте первую страницу, плотную страницу и каждую сложную таблицу.
- Сравните порядок чтения столбцов, нумерованные списки, заголовки, сноски и разрывы страниц.
- Просмотрите имена, даты, итоговые значения и идентификаторы после OCR. Слово, выглядящее правдоподобным, может оказаться неверным.
- После редактирования создайте PDF-файл и еще раз сравните окончательные страницы, прежде чем поделиться им.
Если вам нужно только найти или извлечь отсканированный текст, PDF-распознавание текста может быть достаточно. После редактирования DOCX используйте Слово в PDF чтобы подготовить копию с фиксированной страницей, а затем просмотреть ее в программе просмотра PDF.
Ссылки
- Microsoft: открытие PDF-файлов в Word (External link, opens in a new tab)
- Microsoft: структура документа WordprocessingML (External link, opens in a new tab)
- Adobe: обработка шрифтов при преобразовании PDF (External link, opens in a new tab)
- SoraFiles: PDF в Word