如何將 PDF 轉成可編輯的 Word
簡而言之: 要取得真正能編輯的 Word 檔,請在「線上將 PDF 轉成 Word」把輸出類型切換為「可編輯文字」:預設的「影像版」會把每一頁當成圖片放進去,底下只附一層隱藏的可搜尋文字。「可編輯文字」則會重建段落、標題與真正的 Word 表格。
專區
操作指南
操作指南: PDF guidance for reliable document processing and quality checks.
主要工具
線上 PDF 轉 Word
從本文開啟工具,使用目前的語言完成操作。
開啟工具目錄
將 PDF 轉成可編輯的 Word 文件
需求幾乎永遠一樣:別人寄來的 PDF 裡有幾段文字需要修改。而第一次嘗試幾乎永遠令人失望。檔案在 Word 裡打得開,看起來完美無缺,游標卻進不了文字。這不是轉換失敗,而是預設設定造成的結果。
預設給你的是圖片,不是文字
工具有兩種模式,切換它們的選項叫「輸出類型」。預設選的是「影像版」,它也確實做到了承諾:逐字逐句保留頁面的外觀。做法相當直接:每個 PDF 頁面都會被繪製成一張圖片,整張放進 Word 文件。
於是產生一種被騙的感覺。它是 .docx,可以在 Word 裡開啟,頁面的大小與方向和原件一致,卻沒有任何可編輯的東西:頁面上放的全是圖片。
第二種模式「可編輯文字」會把頁面拆開,再用拆出來的零件重建出真正的 Word 文件:段落、標題、清單與表格。代價是放棄頁面上每個元素的精確位置。
| 模式 | 裡面有什麼 | 你能做什麼 |
|---|---|---|
| 影像版 | 每一頁的圖片,加上一層隱藏的文字層 | 閱讀、搜尋文字、列印 |
| 可編輯文字 | Word 段落、標題、清單與表格 | 編輯文字、重新設定樣式、處理表格 |
選擇與品質無關,要看用途。需要以常見的辦公室格式繼續轉寄、且內容必須原封不動的文件,適合「影像版」。需要修改的文件則適合「可編輯文字」,不論怎麼調整「影像版」,都產生不出可編輯的文字。
「影像版」檔案裡有什麼
頁面圖片並不是全部內容。圖片下方還放著從 PDF 取出的文字,並標記為隱藏:畫面上和列印時都看不到,但在文件中搜尋時找得到。
這讓「影像版」在看似沒用的地方派上用場。需要傳閱、事後還要搜尋條文措辭的合約,用這種方式就很合適:外觀得以保留,搜尋可用,也不會有人不小心改到內容。處理完成後,工具自己也會提醒,說明這份文件不是可編輯的文字,這則訊息值得讀一讀,不要直接關掉。
頁面大小與方向逐頁沿用來源 PDF。直向文件中間夾的一張橫向頁面,會維持橫向。
如何取得能編輯的文件
1. 開啟線上將 PDF 轉成 Word並上傳檔案。 2. 把輸出類型切換為「可編輯文字」。這是唯一關鍵的動作,預設值不會替你做這件事。 3. 決定是否需要頁面預覽(下文會說明),不需要就把它關掉。 4. 執行作業並下載 .docx。 5. 開啟文件並逐一查看導覽窗格:它會顯示哪些標題被辨識出來。 6. 檢查表格與第一頁,這兩處最常出現遺漏。
重複的頁首與頁尾會被刻意刪除
「可編輯文字」模式會在整份文件上另外跑一輪,找出重複的行。需同時符合兩個條件:該行位於頁面頂端或底端的十分之一範圍內,並且在至少三頁、且至少半數頁面上重複出現。同時符合兩者的內容,會從結果中刪除。
比對並不粗糙。連續的數字會視為相同,所以「第 4 頁」和「第 5 頁」算同一行。不過這種合併只有在該行還有文字時才會啟動:頁面底部單獨的一個數字會被精確比對,三頁上的三個不同數字彼此並不相等。實際上,寫著「機密。第 7 頁」的頁尾會消失,而只有一個數字的頁尾,則會以每頁一個段落的形式留下來。
在一份四頁的報告上測試:`Confidential report Page N` 這一行在「可編輯文字」的結果中不見了,在「影像版」的結果中仍然存在;後者的頁面本來就是圖片,沒有東西可以刪。
這個機制也有缺點。每頁最上方放大的文件標題,如果每頁都一模一樣,也適用同一條規則,會連同重複的頁首一併被刪掉。如果最上面那一行很重要,直接把它打回去,比追查原因快。
標題由字型大小決定
結果中的標題樣式不是憑空套用的。工具會先在整份文件中算出哪一種字型大小是內文大小。它統計的是字元數而不是行數,所以少見的大字標題不會在這場「投票」中勝出。
接著每個區塊都拿來和這個大小比較。比內文大約大 15% 的是第二級標題,大一半或更多的是第一級標題。其餘一律維持一般段落。文字本身也得像標題:以句號結尾的長句子,不管用什麼字型大小,都不會變成標題。
對沒有設定樣式的文件,這會產生可預期的結果。如果全文都是同一種大小,各節只用粗體標示,Word 檔就完全不會有標題:大小沒有差異,工具沒有依據可用。導覽窗格會是空的,結構得自己手動加上去。
表格會以表格的形式出現
表格由另一個偵測器找出,與將 PDF 轉成 Excel所用的是同一個。偵測到的表格會以帶有可見格線的真正 Word 表格出現在文件裡,而不是用空格撐開的段落。
落在已偵測表格範圍內的文字區塊會從段落流中剔除;否則儲存格內容會出現兩次,一次是表格,一次是內文。門檻是與區塊面積重疊十分之六。
表格放在哪裡,由它的上緣決定:它會插在第一個起點低於它的段落之前。在一般的單欄頁面上,這樣得到的順序是對的。在雙欄頁面上,表格可能出現在原本位置以外的地方,因為兩欄的段落在檔案中是依序排列的,而它們的高度彼此交錯。
如果某一頁的表格偵測失敗,作業不會就此崩潰:那一頁會以一般文字呈現,回應中也會附上一則列出這些頁碼的警告。這裡不會出現無聲的空白結果。
檔案大小與頁面預覽
「可編輯文字」模式預設會在每頁文字後面加上該頁的圖片,方便你拿它來核對結果。沒有其他設定對檔案大小的影響有這麼大。
同一份四頁文件的實測結果:
| 結果 | 大小 |
|---|---|
| 影像版 | 671 KB |
| 可編輯文字,附頁面預覽 | 315 KB |
| 可編輯文字,不附預覽 | 37 KB |
來源 PDF 約 4 KB。首尾兩列相差十八倍,增加的全是圖片。如果文件是要拿來實際作業,而不是做比對,請馬上關掉預覽:它們無法編輯,不參與文字內容,還會妨礙校對。
「影像版」完全不理會預覽設定,因為它的頁面本來就是圖片。
沒有文字層的掃描檔
掃描文件就是一張圖片,裡面沒有任何文字可以取出。在「影像版」中,結果只是同一份掃描檔改包成 .docx。在「可編輯文字」中,頁面會是空的,每一頁的位置上會有一則備註,說明該頁是空白的。
解法要在轉換之前,而不是之後:先把檔案交給對 PDF 執行 OCR 文字辨識,得到有文字層的 PDF,再轉成 Word。順序反過來行不通,因為轉換之後,就沒有東西可供辨識了。
設有開啟密碼的文件同樣無法轉換;作業會停下來要求輸入密碼。請用解鎖 PDF解除保護。只限制列印或複製的密碼不會造成妨礙。
編輯完成後,文件通常還得轉回 PDF。那就要用線上將 Word 轉成 PDF,它自有一套字型替換的行為,值得事先了解。
作者
由服務團隊撰寫;Sergey Gagin 為服務負責人
常見問題
此專區的更多內容
相關工具
線上 PDF 轉 Word
把 PDF 轉成 Word 文件,讓您可以編輯文字、擴充段落並進行修改。
線上 Word 轉 PDF
把 Word 文件轉成 PDF,固定版面,確保檔案在任何地方開啟的樣子都一致。
線上 PDF 轉 Excel
把 PDF 中的表格資料擷取到 Excel,方便計算、篩選與排序。
對 PDF 執行 OCR 文字辨識
透過 OCR 辨識掃描 PDF 中的文字,讓文件更容易搜尋與複製。