Към съдържанието
Статия

Как да превърнете PDF в редактируем документ на Word

Файлът се отваря във Word, но курсорът не влиза в текста? Защо по подразбиране получавате картинка, с какво редактируемият текст се различава от точното копие и къде изчезнаха колонтитулите.

Накратко: За да получите файл на Word, който наистина може да се редактира, превключете «Вид на резултата» в PDF в Word на «Редактируем текст»: по подразбиране е «Точно копие (не се редактира)», което поставя всяка страница като изображение със скрит текстов слой за търсене. Режимът «Редактируем текст» сглобява наново абзаци, заглавия и истински таблици на Word.

Тематична група

практическо ръководство

практическо ръководство: PDF guidance for reliable document processing and quality checks.

Статии: 13

Основен инструмент

PDF към Word онлайн

Отворете инструмента от тази статия и извършете операцията на текущия език.

Отворете инструмента

Съдържание

Заявката почти винаги е една и съща: в получен PDF трябва да се поправят няколко абзаца. И първият опит почти винаги разочарова. Файлът се отваря във Word, изглежда безупречно, а курсорът не влиза в текста. Това не е грешка при преобразуването, а следствие от настройката, която е зададена по подразбиране.

По подразбиране получавате картинка, а не текст

Инструментът има два режима, а превключвателят между тях се казва «Вид на резултата». Предварително е избрано «Точно копие (не се редактира)» и то прави точно каквото обещава: запазва външния вид на страницата буква по буква. Методът е грубо прям. Всяка страница на PDF се изобразява като картинка и цялата се поставя в документа на Word.

Оттам идва усещането за номер с подмяна. Файлът е .docx, отваря се във Word, страниците съвпадат с оригинала по размер и ориентация, но няма какво да се редактира: на страницата има само картинки.

Вторият режим, «Редактируем текст», разглобява страницата и от частите сглобява истински документ на Word: абзаци, заглавия, списъци и таблици. В замяна се отказва от точното разположение на всичко върху страницата.

РежимКакво има вътреКакво можете да правите
Точно копиеИзображение на всяка страница плюс скрит текстов слойДа четете, да търсите в текста, да печатате
Редактируем текстАбзаци, заглавия, списъци и таблици на WordДа редактирате текста, да го преоформяте, да работите с таблици

Изборът не е въпрос на качество, а на задача. Документ, който трябва да пътува нататък в познат офис формат и да остане недокоснат, иска точно копие. Документ, който трябва да се променя, иска редактируем текст, а колкото и да настройвате точното копие, редактируем текст от него няма да получите.

Какво има във файла с точно копие

Изображението на страницата не е цялото съдържание. Под него е поставен текстът, извлечен от PDF и маркиран като скрит: на екрана и при печат го няма, но търсенето в документа го намира.

Затова режимът на точно копие е полезен там, където изглежда безсмислен. Договор, който трябва да се разпространи и по-късно да се претърсва за формулировки, работи добре така: външният вид е запазен, търсенето действа и никой не го редактира случайно. След обработката самият инструмент го казва, като предупреждава, че документът не е редактируем текст, и това съобщение си струва да се прочете, а не да се отхвърли.

Размерът и ориентацията на страницата се вземат от изходния PDF страница по страница. Пейзажна вложка в средата на портретен документ остава пейзажна.

Как да получите документ, който се редактира

1. Отворете PDF в Word и качете файла. 2. Превключете «Вид на резултата» на «Редактируем текст». Това е единственото действие, което има значение, а настройката по подразбиране не го прави вместо Вас. 3. Решете дали Ви трябват визуализации на страниците (описани по-долу) и ги изключете, ако не Ви трябват. 4. Стартирайте задачата и изтеглете .docx. 5. Отворете документа и прегледайте навигационния екран: той показва кои заглавия са разпознати. 6. Проверете таблиците и първата страница, където загубите се появяват най-често.

Повтарящите се горни колонтитули изчезват нарочно

Режимът «Редактируем текст» прави отделен преглед на целия документ в търсене на повтарящи се редове. Важат две условия: редът трябва да е в горната или долната десета част на страницата и да се повтаря поне на три страници и поне в половината от документа. Всичко, което отговаря на двете условия, се изхвърля от резултата.

Сравнението не е наивно. Поредиците от цифри се сливат, така че «Страница 4» и «Страница 5» се броят за един и същ ред. Но сливането действа само когато в реда има останали букви: гола цифра в долния край на страницата се сравнява точно, а три различни цифри на три страници не са равни помежду си. На практика колонтитул «Поверително. Страница 7» изчезва, а колонтитул, който е само число, остава като абзац на всяка страница.

Проверено върху доклад от четири страници: редът `Confidential report Page N` отсъства от резултата в режим «Редактируем текст» и присъства в режима на точно копие, където страницата така или иначе е картинка и няма какво да се премахва от нея.

Механизмът има и обратна страна. Заглавие на документ, набрано едро в самия връх на всяка страница и еднакво навсякъде, попада под същото правило и се изтрива заедно с повтарящите се колонтитули. Когато този горен ред е важен, по-бързо е да го въведете наново, отколкото да търсите причината.

Заглавията се определят по размера на шрифта

Стиловете на заглавията в резултата не са измислени. Първо инструментът установява за целия документ кой размер на шрифта е основният. Той брои знаци, а не редове, така че рядък едър надпис никога не печели гласуването.

След това всеки блок се мери спрямо този размер. Приблизително с 15 процента по-голям от основния текст дава заглавие от второ ниво, с една и половина пъти по-голям или повече дава заглавие от първо ниво. Всичко останало остава обикновен абзац. Текстът трябва и да прилича на заглавие: дълго изречение, завършващо с точка, няма да стане такова, независимо с какъв шрифт е набрано.

Това води до предсказуемо поведение при документи, оформени без стилове. Ако целият текст е в един размер, а разделите са отбелязани само с получер шрифт, във файла на Word изобщо няма да има заглавия: размерът не се различава и няма на какво да се опре. Навигационният екран излиза празен и структурата трябва да се добави на ръка.

Таблиците излизат като таблици

Таблиците се намират от отделен детектор, същият, на който е изграден PDF в Excel. Открита таблица попада в документа като истинска таблица на Word с видими линии на мрежата, а не като абзаци, подравнени с интервали.

Текстовите блокове, които попадат в границите на открита таблица, се изваждат от потока на абзаците; иначе съдържанието на клетките би се появило два пъти, веднъж като таблица и веднъж като обикновен текст. Прагът е припокриване от шест десети от площта на блока.

Къде ще попадне таблицата се решава от горния ѝ ръб: тя се вмъква преди първия абзац, който започва под нея. При обикновена страница с една колона това дава правилния ред. При страница с две колони таблицата може да се озове другаде, а не там, където е стояла, защото абзаците на двете колони вървят последователно във файла, докато височините им се преплитат.

Ако откриването на таблици се провали на някоя страница, задачата не се срутва: тази страница излиза като обикновен текст, а в отговора има предупреждение с имената на страниците. Тук не е възможен мълчалив празен отговор.

Тегло на файла и визуализации на страниците

По подразбиране режимът «Редактируем текст» добавя изображение на всяка страница след текста ѝ, за да има с какво да се сверява резултатът. Нищо друго не влияе на теглото почти толкова.

Измерено върху един и същ документ от четири страници:

РезултатРазмер
Режим «Точно копие»671 KB
«Редактируем текст» с визуализации на страниците315 KB
«Редактируем текст» без визуализации37 KB

Изходният PDF тежеше около 4 KB. Разликата между крайните редове е осемнадесет пъти и цялата се дължи на картинки. Ако документът отива в истинска работа, а не в сравнение, изключете визуализациите веднага («Включване на изображенията на страниците»): те не се редактират, не участват в текста и пречат на коригирането.

Режимът «Точно копие» напълно игнорира настройката за визуализации, тъй като страницата му вече е изображение.

Скан без текстов слой

Сканираният документ е картинка и в него няма какво да се извлича. В режим «Точно копие» резултатът е същият скан, препакетиран като .docx. В режим «Редактируем текст» страниците излизат празни, а на мястото на всяка има бележка, че страницата е била празна.

Лекарството идва преди преобразуването, а не след него: прекарайте файла през OCR PDF, получете PDF с текстов слой и едва тогава преобразувайте във Word. Обратният ред не работи, защото няма да е останало нищо, върху което да работи разпознаването.

Документ, заключен с парола за отваряне, също няма да се преобразува; задачата спира и иска паролата. Свалете защитата с Отключване на PDF. Парола, която само ограничава печата или копирането, не пречи.

След като редакциите са готови, документът обикновено трябва да се върне в PDF. Това прави Word в PDF, който има собствено поведение при заместване на шрифтове и е добре да го знаете предварително.

Автор

Подготвено от екипа на услугата; Сергей Гагин отговаря за услугата

За проекта

Често задавани въпроси

Защото по подразбиране «Вид на резултата» е «Точно копие»: всяка страница се вмъква като изображение, а под него има скрит текстов слой за търсене. За да получите редактируем документ, превключете «Вид на резултата» на «Редактируем текст» и преобразувайте отново.
В режим «Редактируем текст» откритите таблици излизат като истински таблици на Word с видими линии на мрежата. Ако откриването на таблици се провали на някоя страница, съдържанието ѝ излиза като обикновен текст, а в отговора има предупреждение с имената на тези страници.
Режимът «Редактируем текст» премахва редове, които са в горната или долната десета част на страницата и се повтарят поне на три страници и поне в половината от документа. Еднакво заглавие на документа, набрано най-горе на всяка страница, попада под същото правило.
Не директно. Скенът няма текстов слой, затова режимът «Редактируем текст» връща празни страници. Първо прекарайте файла през OCR PDF, а после преобразувайте получения PDF във Word.
Файловете се използват само за избраната операция и се изтриват автоматично, след като обработката приключи. Не използваме качените документи за обучение на модели на изкуствен интелект.

Още от тази група

Свързани инструменти

← Всички инструменти: Преобразуване

Какво да направите по-нататък

Ако след прочитането ви трябва практическа следваща стъпка или насоки за услугата, отворете тези страници.

Всички инструменти

Каталог с PDF инструменти: слей, компресирай, раздели, конвертирай, завърти, защити и отключи PDF файлове онлайн, онлайн.

ЧЗВ

Намерете отговори за акаунтите в iHatePDF, обработката на файлове, ограниченията при качване, достъпа от мобилно устройство, поверителността и какво да направите, когато PDF инструмент върне грешка.

Контакти

Свържете се с iHatePDF за грешки при обработка, избор на инструмент, сигурност, бизнес запитвания и предложения за нови функции.