免费 PDF 转 Word

操作示例

点击“试试示例”。文件标签显示 document-v1.pdf，这是一份只有一页的 PDF，包含一个标题和六个短行，如“Project: Atlas Rollout”和“Budget: $10,000”。点击“转换为Word”。说明文字显示“正在读取文字层...”，随后标签显示“1 页”，一行绿色文字写着“✓ 你的 Word 文档已就绪 — document-v1.docx”，“提取文本预览”列出文本，开头是“--- Page 1 ---”。“下载”保存 .docx，“复制”和“下载 .txt”位于预览上方。勾选“在每页前添加“Page N”标题”，Word 文件就会多出一个“Page 1”标题。扫描件的表现不同。对于一份 12 页的扫描 PDF，会出现一个琥珀色面板，写着“发现扫描页——要运行 OCR 吗？”和“None of the 12 pages have a text layer, so there is nothing to extract without reading the images.”它还写着“在你的设备上读取大约需要 6 分钟。不会上传任何内容。”并提供“对 12 页运行 OCR”。

使用哪些设置，以及限制

• 先检查 PDF 是否有真正的文字。 工具读取的是文字处理软件导出或浏览器保存的 PDF 通常带有的文字层。扫描件只是页面的图片，没有文字层。完全没有文字的页面会被逐页计数，所以混合文件会得到合理处理：你会看到“3 of 12 pages have no text layer. The rest were converted normally.”，而其余九页的 Word 文件已经可以下载。你可以自己决定是否读取那三张扫描页。在你点击 OCR 按钮之前，不会下载或启动任何东西。
• 运行 OCR 之前先选好文字种类。 打开“扫描页上的文字”这一行。它从你正在查看的网站的语言开始，如果该语言没有对应项则为拉丁文。扫描件没有可用来检测文字种类的文本，提示也警告说，用错文字读取的页面会“comes back as plausible-looking nonsense rather than an error”。共有十个选项，从拉丁文和西里尔文到泰文、泰米尔文和泰卢固文。每个选项都显示其大小，从希腊文的 7.4 MB 到中文和日文的 15.9 MB，拉丁文为 7.7 MB。希伯来文不可用。面板的总量还包括每种文字共用的部分。
• 每页约需 30 秒，必要时使用“取消”。 估算值是每页 30 秒。不足两分钟时以秒显示，步长为 5。更长的则使用整分钟，所以 40 页显示为“about 20 minutes”。页面在设备上逐页读取，说明文字会计数“Reading page 3 of 12...”。点击“取消”，按钮会短暂显示“正在停止...”。已读取的页面会保留并放入 Word 文件，尚未处理的页面会再次提供。在手机上，模型面板会警告“On a phone this will be slow - expect several minutes, and keep this tab open.”如果设备无法运行该模型，OCR 按钮会保持禁用。
• 把 OCR 文本当作初稿。 OCR 输出没有位置信息，所以扫描件的每一行都成为独立的段落，没有表格或标题。每个 OCR 页面都以一行斜体说明开头，“[Read from a scanned page by on-device OCR — check it against the original.]”，并且文档页眉会重复一条警告。文件名会加上“-ocr”，所以名为 letter.pdf 的扫描件会下载为 letter-ocr.docx。结果下方有一行写着“OCR read 3 scanned pages. Machine-read text can contain mistakes — check them against the original.”在转发文件之前，请把姓名、数字和日期与纸质原件核对。
• 了解文字型 PDF 会保留什么。 折行会被合并为段落。比正文文本大至少 1.2 倍的短行会成为 Word 标题，大至少 1.6 倍的会成为标题 1。长度超过 150 个字符的行保持为正文。只有当连续三行或更多行以相同的列数对齐时，各列才会变成 Word 表格。图片、字体和页面布局不会保留。预览显示前 8,000 个字符，完整文本在下载文件中。“在每页前添加“Page N”标题”默认关闭，因为这些标题并不在 PDF 本身之中。
• 一次转换多个 PDF。 拖入多个 PDF，或在已载入一个文件时点击“添加更多文件”。按钮随后显示“Convert 3 PDFs to Word”。每个文件各自生成一个 .docx，“Download all (3)”会把它们保存在名为 pdf-to-word 的 ZIP 中。批量模式只读取文字层。完全是扫描件的 PDF 在其所在行会失败，提示“Scanned PDF with no text layer. Open it on its own to read it with OCR.”，部分是扫描件的则会显示类似“2 scanned pages skipped”的说明。不是 PDF 的文件会被排除，并提示“Some files were skipped because they are not PDFs.”

常见问题及解决方法

提示“出了些问题。请重试。”

读取器因工具没有对应提示的错误而失败。只有密码错误和无效 PDF 错误有各自的提示（“无法读取此文件为PDF — 它可能已损坏。”），页数为零的文档会得到同样的损坏提示。其他任何情况，包括读取器的“UnknownErrorException”，都会出现这条提示。请用其他 PDF 查看器打开该文件。如果能打开，就在那里把它打印成新的 PDF，然后转换那个副本。

提示“此PDF中未找到可提取的文本。”

每一页都是图片，并且你对 OCR 的提议点了“不用了”，所以没有可转换的内容。这不是文件的故障，而是文字层为空。再次点击“转换为Word”可以重新显示该提议，选择页面所用的文字种类，然后点击“Run OCR on N pages”。如果你不想用 OCR，文字就必须来自其他来源，因为没有文字层的 PDF 里没有可复制的文字。

提示“OCR 运行了，但在扫描页上没有找到可读的文字。”

每一页都已绘制并读取，但识别器没有返回文字。最简单的情况是该页确实是空白的，所以请在查看器中检查这些页。已读取的页面不会再次提供，即使结果为空。要尝试另一种文字种类，请点击“转换为Word”（或“重新转换”），这会重新开始检查并再次显示该提议。选择器下方的提示说，用错文字种类会得到无意义的结果而不是报错，所以也请检查选择器。

提示“无法读取这些扫描页。请重试。”

OCR 过程中出了问题。某一页 120 秒内没有进展就会被视为停滞，工具随后会丢弃该读取器，并在下次尝试时启动一个新的。如果在较长的扫描件上反复出现，请换用电脑，或拆分 PDF 让每次运行更短。当某页需要的图片边长超过 16,384 像素时，会出现相关的提示“Page 4 is too large to render for OCR.”

提示“此PDF受密码保护。请移除密码后重试。”

该 PDF 已加密，所以暂时无法读取其中的文字。在提示下方，“将此文件发送到另一个工具”框提供“解锁 PDF”。它会在这个浏览器内把同一文件传给“解锁 PDF”工具，框中注明“没有上传任何内容。”请在那里解锁，然后把解锁后的文件添加到这里。在批量模式下，同样的提示会出现在该文件所在的行。

对比分析

如果你需要页面看起来与 PDF 完全一样，这就不是合适的工具。它提取文字并重建段落、标题和简单的表格，适合想编辑或重用文字的情况。它不保留图片、字体或原始版式，也不会生成可搜索的 PDF。扫描页由设备端 OCR 读取，所以文本可能有错误，你必须校对。第一次运行 OCR 会下载一次模型，文字种类相关部分为 7.4 到 15.9 MB，外加共用部分。无需安装任何东西，PDF 也不会上传。