Por que é difícil transformar um PDF de volta em documento
Um arquivo do Word guarda o texto como um fluxo: parágrafos, títulos e listas que se reorganizam quando você muda as margens ou a fonte. Um PDF guarda algo completamente diferente. Cada página é um conjunto de instruções como "desenhe estes caracteres nesta posição com esta fonte", sem nenhuma noção de onde começa um parágrafo ou de qual linha pertence a qual coluna. É por isso que um PDF fica idêntico em qualquer lugar e é tão chato de editar.
Converter PDF para Word significa, portanto, reconstruir uma estrutura que o PDF nunca registrou. Qualquer conversor precisa adivinhar, e as duas opções desta página adivinham de jeitos diferentes.
A reconstrução no navegador, passo a passo
O caminho padrão roda inteiramente no seu dispositivo, com o mesmo motor de PDF que o Firefox usa para exibir PDFs. Para cada página, ele coleta os trechos de texto com suas posições e tamanhos de fonte e vai montando a estrutura de baixo para cima:
- Linhas. Trechos na mesma linha de base, a até cerca de 2 pontos de distância, são unidos numa só linha.
- Tamanho do corpo. O tamanho de fonte que reúne mais caracteres no documento inteiro é tomado como o texto normal.
- Títulos. Uma linha mais de 1,25 vez maior que o corpo vira título; acima de 1,5 vez vira Título 1, senão Título 2. Uma linha curta em negrito, com menos de 80 caracteres e no tamanho do corpo ou maior, também vira Título 2.
- Parágrafos. Uma linha que não termina com pontuação de fim de frase, como ponto final, ponto de interrogação, dois-pontos ou aspas de fechamento, e que tem o mesmo tamanho de fonte da linha seguinte, é tratada como continuação dela.
Como os títulos usam os estilos de título de verdade do Word, eles aparecem no painel de navegação e já podem alimentar um sumário automático. Os tamanhos de fonte são mantidos, e o negrito sobrevive nas linhas que não são títulos. A página mostra quantas páginas e palavras encontrou, o que serve de checagem rápida de que nada se perdeu.
O que este caminho deliberadamente não tenta reproduzir: imagens, tabelas, colunas, cores, hiperlinks e as famílias de fontes originais. As páginas vêm uma depois da outra como um documento contínuo, separadas por um parágrafo vazio. Para um contrato ou relatório que você quer reescrever, geralmente é isso que você precisa: texto limpo, sem caixas flutuantes.
A conversão no servidor e quando ela compensa
A segunda opção envia o arquivo ao nosso servidor, onde o LibreOffice abre o PDF no seu editor de texto e o salva como .docx. Isso preserva muito mais da aparência: imagens, linhas, posição do texto e quebras de página ficam próximas do original.
A contrapartida é a forma como o texto é guardado. O LibreOffice costuma colocar o texto em caixas posicionadas separadamente, muitas vezes uma por linha, então a página fica certa, mas reescrever um parágrafo significa editar caixa por caixa. Escolha o servidor quando precisar de uma cópia quase fiel para ajustar algumas palavras, como corrigir uma data num formulário ou um valor num folheto. Escolha o navegador quando precisar retrabalhar o texto em si.
Sem conta, você tem uma execução no servidor por dia, para arquivos de até 500 MB. O Premium remove o limite diário e aceita arquivos de até 4 GB. O PDF enviado é apagado quando a conversão termina, e o .docx expira cerca de uma hora depois da criação da tarefa.
Como corrigir resultados típicos
- Itens de lista juntados num só parágrafo. Marcadores sem pontuação no fim parecem uma frase que continua, para a regra de parágrafos. Coloque o cursor em cada item e pressione Enter, ou aplique um estilo de lista depois.
- Palavras partidas por hífen e espaço. Se o PDF hifenizou palavras no fim das linhas, a junção produz "conver- são". Um localizar e substituir por "- " (hífen, espaço) pega a maioria; revise cada ocorrência, porque algumas são travessões de verdade.
- Texto em duas colunas intercalado. O caminho do navegador lê o texto na ordem em que o PDF o guarda, que em layouts de várias colunas pode pular de uma coluna para outra. A conversão no servidor lida melhor com essas páginas.
- Cabeçalhos e números de página no meio do texto. Eles são texto real em cada página, então aparecem como parágrafos curtos. Apague-os ou pesquise pelo título repetido.
- A conversão falha na hora. Arquivos protegidos por senha não podem ser lidos. Remova a senha antes com Remover senha de PDF, desde que você a conheça.
Documentos escaneados
Se o resultado sair vazio ou quase vazio, o PDF é um scan: cada página é uma foto, sem texto dentro. Passe o arquivo pelo OCR de PDF para adicionar uma camada de texto e depois converta aqui a cópia pesquisável. Espere um resultado mais irregular do que com um PDF gerado digitalmente, porque o texto reconhecido tem tamanhos de fonte menos consistentes, o que torna a detecção de títulos e parágrafos menos confiável.