PDF in Word gratis

Esempio pratico

Premi “Prova un esempio”. Il chip del file mostra document-v1.pdf, un PDF di una pagina con un titolo e sei brevi righe come “Project: Atlas Rollout” e “Budget: $10,000”. Premi “Converti in Word”. La didascalia riporta “Lettura dello strato di testo...”, il chip poi mostra “1 page”, una riga verde dice “✓ Your Word document is ready — document-v1.docx” e “Anteprima del testo estratto” elenca il testo, a partire da “--- Page 1 ---”. “Scarica” salva il .docx, mentre “Copia” e “Scarica .txt” sono sopra l'anteprima. Seleziona “Aggiungi un'intestazione ‘Pagina N’ prima di ogni pagina” e il file Word ottiene un'intestazione “Pagina 1”. Una scansione si comporta diversamente. Per un PDF scansionato di 12 pagine un riquadro ambra dice “Trovate pagine scansionate: eseguire l'OCR?” e “None of the 12 pages have a text layer, so there is nothing to extract without reading the images.” Aggiunge “Reading them on your device takes about 6 minutes. Nothing is uploaded.” e offre “Esegui l'OCR su 12 pagine”.

Quali impostazioni usare, e i limiti

• Controlla prima se il PDF ha testo vero. Lo strumento legge lo strato di testo che di solito hanno i PDF esportati da un elaboratore di testi o salvati da un browser. Una scansione è solo l'immagine di una pagina e non ne ha. Le pagine senza alcun testo vengono contate una per una, quindi un file misto viene gestito in modo sensato: vedi “3 of 12 pages have no text layer. The rest were converted normally.” e il file Word delle altre nove pagine è già pronto da scaricare. Sei tu a decidere se leggere le tre scansioni. Nulla viene scaricato o avviato finché non premi il pulsante OCR.
• Scegli l'alfabeto prima di eseguire l'OCR. Apri la riga “Alfabeto delle pagine scansionate”. Parte dalla lingua del sito che stai visualizzando e dal latino se quella lingua non ha corrispondenza. Una scansione non contiene testo da cui rilevare un alfabeto, e il suggerimento avverte che una pagina letta con l'alfabeto sbagliato “comes back as plausible-looking nonsense rather than an error”. Ci sono dieci scelte, dal latino e cirillico a thai, tamil e telugu. Ognuna mostra la sua dimensione, da 7.4 MB per il greco a 15.9 MB per cinese e giapponese, e il latino è 7.7 MB. L'ebraico non è disponibile. Il totale del pannello include anche una parte condivisa usata da ogni alfabeto.
• Calcola circa 30 secondi a pagina e usa Annulla se serve. La stima è di 30 secondi a pagina. Sotto i due minuti viene mostrata in secondi, a passi di 5. Le esecuzioni più lunghe usano minuti interi, quindi 40 pagine riportano “about 20 minutes”. Le pagine vengono lette una alla volta sul dispositivo e la didascalia conta “Reading page 3 of 12...”. Premi “Annulla” e il pulsante dice brevemente “Interruzione...”. Le pagine già lette vengono conservate e finiscono nel file Word, mentre le pagine non raggiunte vengono riproposte. Su un telefono il pannello del modello avverte “On a phone this will be slow - expect several minutes, and keep this tab open.” Se il dispositivo non può eseguire il modello, il pulsante OCR resta disattivato.
• Considera il testo OCR come una prima bozza. L'output OCR non ha informazioni di posizione, quindi ogni riga della scansione diventa un paragrafo a sé, senza tabelle né titoli. Ogni pagina OCR inizia con una nota in corsivo, “[Read from a scanned page by on-device OCR — check it against the original.]”, e l'intestazione del documento ripete un avviso. Al nome del file viene aggiunto “-ocr”, quindi una scansione chiamata letter.pdf viene scaricata come letter-ocr.docx. Una riga sotto il risultato dice “OCR read 3 scanned pages. Machine-read text can contain mistakes — check them against the original.” Confronta nomi, numeri e date con la carta prima di inoltrare il file.
• Scopri cosa si porta dietro un PDF con testo. Le righe spezzate vengono unite in paragrafi. Una riga breve con un corpo almeno 1.2 volte più grande del testo normale diventa un titolo di Word, e una almeno 1.6 volte più grande diventa Titolo 1. Le righe più lunghe di 150 caratteri restano testo normale. Le colonne diventano una tabella di Word solo quando tre o più righe consecutive si allineano con lo stesso numero di colonne. Immagini, caratteri e impaginazione non vengono conservati. L'anteprima mostra i primi 8,000 caratteri e il testo completo è nel download. “Aggiungi un'intestazione ‘Pagina N’ prima di ogni pagina” è disattivato per impostazione predefinita, perché quelle intestazioni non sono nel PDF stesso.
• Converti più PDF in un colpo solo. Trascina più di un PDF, oppure premi “Aggiungi altri file” con uno già caricato. Il pulsante riporta allora “Convert 3 PDFs to Word”. Ogni file diventa un .docx a sé e “Download all (3)” li salva in uno ZIP chiamato pdf-to-word. La modalità batch legge solo lo strato di testo. Un PDF interamente scansionato fallisce nella sua riga con “Scanned PDF with no text layer. Open it on its own to read it with OCR.” e uno parzialmente scansionato mostra una nota come “2 scanned pages skipped”. I file che non sono PDF vengono esclusi, con il messaggio “Some files were skipped because they are not PDFs.”

Problemi comuni e come risolverli

Viene mostrato “Qualcosa è andato storto. Riprova.”

Il lettore ha fallito con un errore per cui lo strumento non ha un messaggio specifico. Solo un errore di password e un errore di PDF non valido hanno una frase propria (“Questo file non può essere letto come PDF — potrebbe essere corrotto.”), e un documento senza pagine riceve lo stesso messaggio di file corrotto. Tutto il resto, compreso l'“UnknownErrorException” del lettore, finisce qui. Apri il file in un altro visualizzatore PDF. Se si apre, stampalo da lì in un nuovo PDF, poi converti quella copia.

Viene mostrato “Nessun testo estraibile trovato in questo PDF.”

Ogni pagina è un'immagine e hai premuto “No, grazie” all'offerta OCR, quindi non c'è nulla da convertire. Non è un difetto del file. Lo strato di testo è vuoto. Premi di nuovo “Converti in Word” per far riapparire l'offerta, scegli l'alfabeto delle pagine e premi “Esegui l'OCR su N pagine”. Se non vuoi l'OCR, le parole devono venire da un'altra fonte, perché un PDF senza strato di testo non contiene parole da copiare.

Viene mostrato “L'OCR è stato eseguito, ma non ha trovato testo leggibile nelle pagine scansionate.”

Ogni pagina è stata disegnata e letta, e il riconoscitore non ha restituito testo. Il caso più semplice è una pagina davvero vuota, quindi controlla le pagine in un visualizzatore. Le pagine già lette non vengono riproposte, anche se sono risultate vuote. Per provare un altro alfabeto, premi “Converti in Word” (o “Converti di nuovo”), che riavvia il controllo e mostra di nuovo l'offerta. Il suggerimento sotto il selettore dice che un alfabeto sbagliato dà risultati privi di senso invece di un errore, quindi controlla anche il selettore.

Viene mostrato “Non è stato possibile leggere le pagine scansionate. Riprova.”

Qualcosa è andato storto durante il passaggio OCR. Una pagina che non fa progressi per 120 secondi viene considerata bloccata. Lo strumento scarta allora quel lettore e ne avvia uno nuovo al tentativo successivo. Se si ripete su una scansione lunga, prova con un computer, oppure dividi il PDF in modo che ogni esecuzione sia più breve. Un messaggio affine, “Page 4 is too large to render for OCR.”, compare quando una pagina richiederebbe un'immagine di oltre 16,384 pixel per lato.

Viene mostrato “This PDF is password-protected. Remove the password and try again.”

Il PDF è cifrato, quindi il suo testo non può ancora essere letto. Sotto il messaggio, un riquadro “Invia questo file a un altro strumento” offre “Sblocca PDF”. Passa lo stesso file allo strumento Sblocca PDF dentro questo browser, e il riquadro annota “Nulla è caricato.” Sbloccalo lì, poi aggiungi qui il file sbloccato. In modalità batch lo stesso messaggio compare nella riga di quel file.

Come si confronta

Se ti serve che la pagina abbia esattamente l'aspetto del PDF, questo è lo strumento sbagliato. Estrae il testo e ricostruisce paragrafi, titoli e semplici tabelle, il che fa al caso tuo quando vuoi modificare o riutilizzare le parole. Non conserva immagini, caratteri né l'impaginazione originale e non crea un PDF ricercabile. Le pagine scansionate vengono lette da un OCR sul dispositivo, quindi il testo può contenere errori e devi rileggerlo. La prima esecuzione OCR scarica una volta un modello, da 7.4 a 15.9 MB per l'alfabeto più una parte condivisa. Non c'è nulla da installare e il PDF non viene caricato.