反馈

PDF 转 Word

我要提建议

把 PDF 里的文字提取成可编辑的 .docx（也能导出 Markdown / 纯文本）；扫描件可整页转图片插入，本地处理。

相关工具

这个工具是做什么的

先说一句实话：PDF 里没有「段落 / 表格」这种结构，只有一堆「把某个字画在某个坐标」的指令；而 Word 文档恰恰是结构化的。所以 PDF 转 Word 的本质是从几何反推结构，注定做不到「保版式」——连 Acrobat 的导出也要靠商业引擎，复杂文档依然会乱。这个工具走的是浏览器本地能落地的路线：把同一基线的文字拼成行，再按行间距、首行缩进、字号变化、句末标点、项目符号这些线索把行合并成段落，字号 / 颜色 / 加粗斜体 / 对齐 / 标题层级尽量保留（字体粗细是从 PDF 里字体的真实名字认出来的，比如 Poppins-SemiBold），最后生成真正的 .docx（OOXML，Word / WPS / Pages 都能打开）。表格与多栏做不到准确还原，会被拆成段落，这一点界面里也写明了。另外两种输出更省事：Markdown（适合再排版）与纯文本。扫描件（整页是图片、几乎没有文字）可以选「整页转图片插入」，这样至少版式在 Word 里原样保留；要把扫描件的文字变成可编辑文字，需要 OCR（那是另一个工具，模型体积与精度都要单独权衡）。全程在本机用本地引擎完成：数据不出设备。

使用方法

  1. 选择一个 PDF；工具会先扫一遍每页，告诉你哪些页有文字、哪些是扫描件。
  2. 选输出格式（Word / Markdown / 纯文本）与页码范围；导出 Word 时可以选正文字体。
  3. 扫描件的处理方式：自动（文字极少的页转成整页图片）/ 跳过 / 一律转图片。
  4. 点「提取并生成」，先看右侧的文字预览确认没跑偏，再点「导出文件」保存。

常见问题

为什么排版不能 100% 还原？
PDF 不是「文档」，它是「把字画在坐标上的指令表」，没有段落、表格、分栏这些概念。转 Word 只能按几何线索把文字重新组织成段落，所以复杂版式（多栏、表格、图文混排、公式）会走样。文字内容本身是准确的（不是识别，是直接读取），字号、加粗、对齐也尽量保留。
扫描件能转成可编辑文字吗？
这个工具本身不能 —— 扫描件里是图片，没有文字可读。可以选「整页转图片插入」，版式会原样进 Word，但文字仍不可编辑；要可编辑需要 OCR（识别模型），属于另一个工具。
表格会怎样？
有边框的表格会识别网格并重建成**真表格**（Word 里可编辑，列宽、行高与表头底色都按原稿来），表格里的文字不会再在正文里重复出现；没有边框的表格（只靠空格对齐）仍会被拆成一行行文字 —— 靠文字对齐猜列容易把多栏正文误判成表格，所以这类没做。
标题是怎么认出来的？
按字号：比正文明显大、且是短句（不超过 3 行、80 字）的段落会被标成一级/二级/三级标题，写进 Word 的 Heading 样式里 —— 这样 Word 的导航窗格能直接看到结构。字号接近正文的加粗短句不会被当标题（避免误判）。
文件会上传吗？
不会。解析与生成 docx 全部在本机用本地引擎完成。