Dlaczego tak trudno zamienić PDF z powrotem w dokument
Plik Worda przechowuje tekst jako ciągły przepływ: akapity, nagłówki i listy, które same się przełamują, gdy zmienisz marginesy lub czcionkę. PDF przechowuje coś zupełnie innego. Każda strona to zestaw instrukcji typu „narysuj te znaki w tym miejscu tą czcionką”, bez żadnej informacji o tym, gdzie zaczyna się akapit ani który wiersz należy do której kolumny. Dlatego PDF wszędzie wygląda identycznie i dlatego tak niewygodnie się go edytuje.
Konwersja PDF na Word oznacza więc odtworzenie struktury, której PDF nigdy nie zapisał. Każdy konwerter musi zgadywać, a dwie opcje na tej stronie zgadują na różne sposoby.
Odtwarzanie w przeglądarce krok po kroku
Domyślna ścieżka działa w całości na Twoim urządzeniu i korzysta z tego samego silnika PDF, którym Firefox wyświetla pliki PDF. Dla każdej strony zbiera fragmenty tekstu wraz z ich pozycjami i rozmiarami czcionki, a potem buduje strukturę od dołu:
- Wiersze. Fragmenty leżące na tej samej linii bazowej, w odległości do około 2 punktów od siebie, są łączone w jeden wiersz.
- Rozmiar tekstu głównego. Rozmiar czcionki, którym zapisano najwięcej znaków w całym dokumencie, jest uznawany za zwykły tekst główny.
- Nagłówki. Wiersz większy niż 1,25 rozmiaru tekstu głównego staje się nagłówkiem; powyżej 1,5 raza — Nagłówkiem 1, w przeciwnym razie Nagłówkiem 2. Krótki pogrubiony wiersz poniżej 80 znaków o rozmiarze tekstu głównego lub większym też staje się Nagłówkiem 2.
- Akapity. Wiersz, który nie kończy się znakiem kończącym zdanie, takim jak kropka, znak zapytania, dwukropek czy cudzysłów zamykający, i ma ten sam rozmiar czcionki co następny wiersz, jest traktowany jako jego ciąg dalszy.
Ponieważ nagłówki korzystają z prawdziwych stylów nagłówków Worda, od razu pojawiają się w okienku nawigacji i mogą zasilić automatyczny spis treści. Rozmiary czcionek są przenoszone, a pogrubienie zostaje zachowane w wierszach, które nie są nagłówkami. Strona pokazuje liczbę znalezionych stron i słów, co pozwala szybko sprawdzić, czy niczego nie zgubiono.
Czego ta ścieżka celowo nie próbuje robić: obrazów, tabel, kolumn, kolorów, hiperłączy i oryginalnych krojów pisma. Strony następują po sobie jako jeden ciągły dokument, oddzielone pustym akapitem. Jeśli chcesz przepisać umowę lub raport, zwykle właśnie tego potrzebujesz: czystego tekstu bez pływających ramek.
Konwersja na serwerze i kiedy się opłaca
Druga opcja wysyła plik na nasz serwer, gdzie LibreOffice otwiera PDF w swoim edytorze tekstu i zapisuje go jako .docx. Zachowuje to znacznie więcej z wyglądu: obrazy, linie, rozmieszczenie tekstu i podziały stron pozostają bliskie oryginałowi.
Ceną jest sposób przechowywania tekstu. LibreOffice zwykle umieszcza tekst w osobno pozycjonowanych ramkach, często po jednej na wiersz, więc strona wygląda dobrze, ale przepisanie akapitu oznacza edytowanie ramka po ramce. Wybierz ścieżkę serwerową, gdy potrzebujesz niemal wiernej kopii, w której poprawisz kilka słów — na przykład datę w formularzu albo liczbę na ulotce. Wybierz ścieżkę przeglądarkową, gdy musisz przerobić sam tekst.
Bez konta masz jedno uruchomienie na serwerze dziennie dla plików do 500 MB. Premium znosi dzienny limit i przyjmuje pliki do 4 GB. Przesłany PDF jest usuwany po zakończeniu konwersji, a plik .docx wygasa mniej więcej godzinę od utworzenia zadania.
Poprawianie typowych wyników
- Punkty listy scalone w jeden akapit. Punkty bez kończącej interpunkcji wyglądają dla reguły akapitów jak ciąg dalszy zdania. Ustaw kursor przy każdym punkcie i naciśnij Enter albo zastosuj później styl listy.
- Słowa rozdzielone łącznikiem i spacją. Jeśli PDF dzielił wyrazy na końcach wierszy, połączenie daje „konwer- sja”. Znajdź i zamień „- ” (łącznik i spacja) wyłapie większość z nich; sprawdź każde dopasowanie, bo niektóre to prawdziwe myślniki.
- Przeplatany tekst dwukolumnowy. Ścieżka przeglądarkowa czyta tekst w kolejności, w jakiej zapisał go PDF, a w układach wielokolumnowych może ona przeskakiwać między kolumnami. Konwersja na serwerze radzi sobie z takimi stronami lepiej.
- Żywa pagina i numery stron w środku tekstu. To prawdziwy tekst na każdej stronie, więc pojawiają się jako krótkie akapity. Usuń je albo wyszukaj powtarzający się tytuł.
- Konwersja od razu kończy się błędem. Plików chronionych hasłem nie da się odczytać. Najpierw usuń hasło narzędziem Usuń hasło z PDF, o ile je znasz.
Zeskanowane dokumenty
Jeśli wynik jest pusty lub prawie pusty, PDF jest skanem: każda strona to zdjęcie bez tekstu. Przepuść plik przez OCR PDF, aby dodać warstwę tekstową, a potem przekonwertuj tu przeszukiwalną kopię. Spodziewaj się mniej dopracowanego wyniku niż przy PDF utworzonym cyfrowo, bo rozpoznany tekst ma mniej spójne rozmiary czcionek, przez co wykrywanie nagłówków i akapitów jest mniej pewne.