PDF в Word

Инструмент вытаскивает из документа текст с разметкой и отдаёт файл, который открывается в текстовом редакторе. Работают заголовки, абзацы, списки и простые таблицы; сложная вёрстка в несколько колонок передаётся приблизительно.

Причина в устройстве формата. PDF описывает расположение символов на странице: где какая буква стоит и каким шрифтом нарисована. Структура документа при экспорте отбрасывается. Понятия «абзац» в файле может не быть вовсе, и его приходится восстанавливать по расстояниям между строками и отступам.

Из-за этого результат всегда требует вычитки. Переносы, склеенные слова, разорванные таблицы и потерянные колонтитулы — обычные последствия обратного преобразования, и рассчитывать на документ, готовый к печати без правок, не стоит.

Отдельный случай — файлы из сканов. Там текста нет вообще, есть картинка страницы, и извлекать нечего: нужно распознавание, а это другая задача.

Загрузите файл и получите редактируемый документ. Сразу после открытия просмотрите места переносов и таблицы: именно там появляются лишние разрывы абзацев и склейки слов.

Начните с проверки самого документа в просмотрщике: попробуйте выделить абзац мышью. Если текст выделяется — извлечение сработает; если выделяется прямоугольник целиком, перед вами картинка, и результат будет пустым.

Если исходник — скан, извлекать нечего. Такие файлы сначала пропускают через распознавание текста, и только потом имеет смысл переносить содержимое в редактор.

Для таблиц часто быстрее скопировать данные вручную, чем править результат: автоматика ставит границы ячеек по видимым линиям, и таблица без рамок распадётся на строки текста.

Проверьте шрифты. Если в исходнике применялся шрифт, которого нет в системе, редактор подставит замену, и разметка поедет — при подготовке к печати это стоит учитывать заранее.

Отдельно проверьте нумерованные списки. Номера в PDF часто нарисованы как обычный текст, и после переноса редактор превратит их в собственную нумерацию поверх старой — получится двойной счёт вида «1. 1.», который приходится вычищать вручную.

Колонтитулы и номера страниц в редактируемом документе обычно оказываются внутри основного текста отдельными абзацами. Их проще удалить сразу через поиск повторяющихся строк, чем править по одному.

Извлечь только текст без разметки поможет конвертер PDF в текст, а получить страницы картинками — конвертер PDF в JPG.