Como converter PDF em Word editável
O texto editável é o resultado padrão. Ele recria parágrafos, títulos e tabelas quando possível. A cópia exata insere imagens das páginas e mantém o texto disponível em uma camada oculta para pesquisa.
Converter PDF em Word editável
Para corrigir alguns parágrafos de um PDF, converta o arquivo para DOCX com a opção padrão de texto editável. Confira a ordem de leitura e a diagramação no Word antes de começar.
Texto editável e cópia exata
Para alterar o conteúdo, mantenha a opção de texto editável. A cópia exata reproduz a aparência das páginas como imagens. Quando disponível, o texto fica acessível à pesquisa em uma camada oculta.
| Modo | O que há dentro | O que dá para fazer |
|---|---|---|
| Exato | Uma imagem de cada página mais uma camada de texto oculta | Ler, buscar no texto, imprimir |
| Contínuo | Parágrafos, títulos, listas e tabelas do Word | Editar o texto, mudar estilos, trabalhar com tabelas |
A escolha não é sobre qualidade e sim sobre a tarefa. Um documento que precisa seguir adiante num formato de escritório conhecido e ficar intocado pede o exato. Um documento que precisa mudar pede o contínuo, e nenhum ajuste do modo exato produz texto editável.
O que existe dentro do arquivo exato
A imagem da página não é todo o conteúdo dela. Por baixo vai também o texto extraído do PDF, marcado como oculto: ele não aparece na tela nem na impressão, mas a busca do documento o encontra.
Isso torna o modo exato útil justamente onde parece inútil. Um contrato que precisa circular e no qual depois se procurarão cláusulas funciona bem assim: a aparência se mantém, a busca responde e ninguém edita por acidente. A própria ferramenta avisa ao terminar que o documento não é texto editável, e vale ler esse aviso em vez de fechá-lo.
O tamanho e a orientação da página vêm do PDF de origem, página a página. Uma folha deitada no meio de um documento em pé continua deitada.
Como obter um documento que se edita
1. Abra o PDF para Word e envie o arquivo. 2. Mantenha a opção padrão de texto editável como tipo de resultado. 3. Deixe a inclusão de imagens ativa se quiser manter as ilustrações do PDF. Desative-a para se concentrar no texto. 4. Rode o processamento e baixe o .docx. 5. Abra o documento e percorra o painel de navegação: ele mostra quais títulos foram reconhecidos. 6. Confira as tabelas e a primeira página, onde as perdas costumam aparecer.
Quando a diagramação original não pode ser reconstruída de forma confiável, a conversão produz uma versão simplificada com parágrafos e tabelas. As regras abaixo sobre linhas repetidas e posição das tabelas se aplicam a essa versão.
Os cabeçalhos repetidos somem de propósito
O modo contínuo faz uma passagem à parte por todo o documento procurando linhas repetidas. Valem duas condições: a linha precisa estar no décimo superior ou inferior da página e repetir-se em pelo menos três páginas e em pelo menos metade do documento. Tudo que cumpre as duas sai do resultado.
A comparação não é ingênua. Sequências de dígitos são reduzidas, de modo que “Página 4” e “Página 5” contam como a mesma linha. Mas a redução só entra se sobrarem letras na linha: um número solto no rodapé é comparado de forma exata, e três algarismos diferentes em três páginas não são iguais entre si. Na prática um rodapé com “Confidencial. Página 7” vai embora, enquanto um rodapé que seja só um número fica como parágrafo em cada página.
O mecanismo também tem o seu avesso. Um título de documento em corpo grande no topo de cada página, idêntico em todas, cai sob a mesma regra e é apagado junto com os cabeçalhos. Se essa linha de cima importa, redigitá-la sai mais rápido do que procurar a causa.
Os títulos são decididos pelo tamanho da letra
Os estilos de título do resultado não são inventados. A ferramenta calcula primeiro, para o documento inteiro, qual tamanho de letra é o corpo do texto. Conta caracteres e não linhas, então uma linha grande e rara nunca ganha a votação.
Depois cada bloco é medido contra esse tamanho. Cerca de 15 por cento maior que o corpo dá um título de nível dois, uma vez e meia ou mais dá o nível um. O resto continua parágrafo comum. O texto ainda precisa parecer um título: uma frase longa terminada em ponto não vira título, seja qual for a letra.
Isso produz um comportamento previsível em documentos diagramados sem estilos. Se todo o texto está num só corpo e as seções são marcadas apenas em negrito, o arquivo do Word não terá título algum: o tamanho não varia e não há em que se apoiar. O painel de navegação sai vazio e a estrutura precisa ser posta à mão.
As tabelas saem como tabelas
As tabelas são achadas por um detector à parte, o mesmo sobre o qual o PDF para Excel é construído. Uma tabela detectada chega ao documento como tabela do Word de verdade, com grade visível, e não como parágrafos entulhados de espaços.
Os blocos de texto que caem dentro dos limites de uma tabela detectada saem do fluxo de parágrafos; do contrário o conteúdo das células apareceria duas vezes, uma como tabela e outra como prosa. O limiar é uma sobreposição de seis décimos da área do bloco.
Onde a tabela fica é decidido pela sua borda superior: ela entra antes do primeiro parágrafo que começa abaixo dela. Numa página comum de uma coluna isso dá a ordem certa. Numa página de duas colunas a tabela pode acabar em outro lugar, porque os parágrafos das duas colunas vêm em sequência no arquivo enquanto suas alturas se entrelaçam.
Se a detecção de tabelas falhar em alguma página, a tarefa não cai: essa página passa como texto comum e a resposta traz um aviso nomeando as páginas. Uma resposta vazia e calada não é possível aqui.
Imagens no arquivo do Word
O texto editável inclui por padrão imagens do PDF original, como fotos e diagramas. O modo não acrescenta prévias de todas as páginas. Desativar a inclusão de imagens pode reduzir o tamanho do DOCX quando o PDF contém ilustrações grandes. A cópia exata usa imagens das páginas independentemente dessa opção.
Uma digitalização sem camada de texto
O OCR automático tenta reconhecer até 50 páginas digitalizadas por conversão. Se houver mais, use primeiro OCR de PDF e converta o PDF pesquisável para Word. Confira nomes e números no original. Fotos, logotipos e assinaturas podem não aparecer nas páginas reconhecidas. Para preservar a aparência da digitalização, escolha a cópia exata e desative o reconhecimento.
Um documento fechado com senha de abertura também não converte; a tarefa para e pede a senha. Remova a proteção com o Desbloquear PDF. Uma senha que limita apenas a impressão ou a cópia não atrapalha.
Feitas as correções, o documento em geral precisa voltar a PDF. Para isso existe o Palavra para PDF, com o seu próprio comportamento de substituição de fontes, que convém conhecer de antemão.
Autor: Equipe ihatepdf
O arquivo abriu no Word mas o texto não edita. Por quê?
Se você escolheu a cópia exata, cada página aparece como imagem. Converta o PDF original de novo com a opção de texto editável para trabalhar com os parágrafos e as tabelas.
As tabelas sobrevivem à conversão?
No modo contínuo as tabelas detectadas chegam como tabelas do Word de verdade, com grade visível. Se a detecção falhar em alguma página, o conteúdo dela passa como texto comum e a resposta traz um aviso nomeando essas páginas.
Para onde foram os cabeçalhos e a linha de cima da primeira página?
O resultado simplificado pode omitir linhas repetidas no alto ou no rodapé das páginas. Compare a primeira página com o original se precisar manter o título.
Dá para editar um PDF digitalizado?
Sim. O reconhecimento automático é aplicado a até 50 páginas digitalizadas por conversão. Confira o texto reconhecido antes de editá-lo.
Por quanto tempo os arquivos ficam armazenados?
Os arquivos são excluídos automaticamente quando o prazo de retenção termina. Consulte o prazo em vigor na página do conversor.