PDF 怎么转成可编辑的 Word

打开这份 PDF，用鼠标在正文上划一下。这一个动作就能定路线：

• 能选中、能复制：文字版。PDF 里存着字符数据，直接用 PDF 转 Word 就能出 docx。
• 选不中，整页像一张图：扫描件。每页只是一张图片，没有任何字符可读，必须先走图片转文字 OCR 这条路。
• 不想开软件的粗判断：文件大小除以页数，平均一页超过 300KB，基本可以认定是扫描件。 一页纯文字的 A4 通常只有几十 KB。

扫描件强行上传也不会悄悄出个空文件：工具提取到的字符总数为 0 时， 会直接给出琥珀色提示「这份 PDF 没有文字层 —— 它是扫描件（每页都是图片）」， 并把链接指向图片转文字（OCR），不生成 docx。这是设计如此，不是故障。

1. 1打开 PDF 转 Word，点「选择 PDF 文件」或拖入文件。一次收一个 PDF，多份请分别转
2. 2点「提取文本并生成 Word」。 状态先显示「正在读取文本层…」，随后逐页推进：「正在提取第 3/20 页…」
3. 3成功后顶部给出汇总——「已提取 20 页、约 32,418 个字符」， 下面并排两个按钮：「下载 文档-转Word.docx」和「下载纯文本 TXT」
4. 4下载前先看「第 1 页预览（前 800 字）」，确认没有成块缺失或乱码。 docx 用来继续排版，TXT 用来快速粘贴到聊天框或笔记里
5. 5转错文件或换一份重来，点右上角「更换文件」； 提取失败时错误信息会直接显示在红框里，常见原因是文件损坏或被加密

先说结论：文字内容基本不丢，版面关系会拉平。 工具读的是文字层里的字符与几何信息，不是 Word 的语义结构，所以「读得出来」和「长得一样」是两件事。

界面里也写明了这句：「文字版 PDF 转换效果最好；含复杂表格、双栏的位置关系会拉平为段落， 排版细节请在 Word 里微调。」论文、报告、说明书这类以文字为主的文档效果最好； 财务表格、宣传册双栏则是重灾区。

回 Word 之后按这个顺序手调

• 打开样式窗格，把被误标成标题的行改回「正文」，漏标的补上
• 重建丢失的表格与双栏；表格宁可重新插入，别对着一串段落修
• 补回需要的图片、公式截图；公式建议截图粘贴，别指望文字层
• 统一字体——PDF 里嵌入的字体你的电脑上可能没有，Word 会自动替换导致观感变化
• 最后核对页眉页脚、页码、目录，改动文字后这几处最容易跑位

提取不靠语义理解，靠几何测量：逐字读出字符的位置和字号，再自己重建行与段。 知道规则，就能预判哪些地方会出错：

• 词间空格按位置判定。PDF 里的空格往往不是字符而是坐标间隙，工具按「间距超过行高约四分之一」插入空格—— 密排英文偶尔会粘词或断错位。
• 段落按间距断开。相邻行的间距要超过行距中位数约 1.65 倍才另起一段；用中位数而不是平均值， 是为了防止尾部几页的大空行把判断带偏。
• 标题只看字号倍数。通篇手动放大的行会被误认成标题；反过来，本来就大的英文小标题若不够 1.25 倍， 会留在正文里。这两种都在样式窗格里批量改最快。
• 分页一一对齐。docx 的分页符与 PDF 页码严格对应，方便你按页核对；但你在 Word 里删了几行， 后面的分页就会跟着挪，这是正常现象。

扫描件没有字符可读，绕不开 OCR。完整路线是四步，每一步都对应站内一个工具：

1. 1先拆成页图。用 PDF 转图片 把扫描件按 JPG、质量 90% 导出，得到「文档-第01页.jpg」这样的一串文件。
2. 2批量识别。打开图片转文字 OCR，把所有页拖进去，语言按内容选「中英混合」（默认）、 「仅中文」或「仅英文」，点「开始识别文字」。首次会加载约 10MB 引擎与语言包， 之后走缓存。
3. 3导出文本。逐张检查后点「下载全部为 TXT」， 得到「OCR识别结果.txt」，文件里按「===== 文件名 =====」分隔每页，页序不会乱。
4. 4粘进 Word 重建版面。把 TXT 内容粘贴进 Word，按原稿套标题与段落样式；签名、公章、图表从页图里截图补回去。

手机现拍的合同、发票同理：先用拍照扫描件 拍好导出 JPG，再走同一套 OCR 流程。 要诚实的预期是：OCR 对印刷体可靠，对潦草手写不友好，数字和证件号必须逐个核对； 识别结果是纯文本，表格线和字号信息本来就不在其中。