两种誊法:文字模式按基线、间距、字号把 PDF 的文字层重建成段落与标题;扫描件自动改走页面图像模式,整页誊成图保版式。输出 .docx,一个字节不上传。
解析引擎待命 · 首次转换时从本站下载约 1.4MB(pdf.js,缓存后离线可用)
当前:文字重建。复杂表格会平铺成文字、图形图表丢弃、页眉页脚可能混入正文——转换后请校对。
PDF 和生成的 docx 只在这台设备的浏览器里处理,不上传到服务器,也不用登录。模式偏好存在浏览器 localStorage 里,清缓存会丢。想彻底删除,点页脚的「清空我的数据」。
PDF 里的文字不是按段落存的,是一串带坐标的文字碎片——把碎片重新誊成能编辑的 Word 段落,靠的是一套启发式:同一基线的碎片拼成行,行尾离页边太远或下一行缩进变化就断段,字号明显大于正文的行判成标题。这一页把 pdf.js(Mozilla 的 PDF 解析引擎,自托管在本站,首次约 1.4MB 缓存复用)和一套自写的 OOXML 生成器都放进浏览器,全流程不出设备。
两种模式各有所长,先把丑话说在前面:文字重建模式适合文字型 PDF(Word/LaTeX/网页导出),表格会被平铺成文字、图形图表会丢弃、页眉页脚可能混进正文——它是「文字层重建」,不是「版式复刻」;页面图像模式把每页 150dpi 渲染成图嵌进 docx,版式分毫不差,但整页是图片,一个字都不能改。扫描件(每页几乎没有文字层)会被自动识别并建议走图像模式——这一页不做 OCR,想要扫描件变可编辑文字,得先过带识别的服务。
| 输入格式 | PDF(.pdf;加密 PDF 弹口令框;DRM 电子书不支持) |
|---|---|
| 输出格式 | Word .docx(文字重建:可编辑段落与标题;页面图像:整页图片保版式);文件名 doc-文字重建.docx / doc-页面图像.docx |
| 关键参数 | 模式:文字重建(默认)/ 页面图像(150dpi);扫描件(每页文字项 <5)自动建议切图像模式;URL ?mode=text|image 可预设 |
| 处理方式 | 浏览器本地解析与生成(自托管 pdf.js 引擎,首次约 1.4MB;docx 由本页内联生成器写出);不上传,仅模式偏好存 localStorage |
| 上限 | 单文件 50MB;100 页以内直接转,超出警告后可继续(逐页分批处理) |
| 已知边界 | 文字模式是「文字层重建」:复杂表格平铺成文字、图形图表丢弃、页眉页脚混入正文、三栏以上版面会混排;图像模式保版式但不可编辑;本页不做 OCR;速度取决于设备 |
要把 PDF 拆成图片另作他用?用 PDF 转 JPG 工具(72/150/300dpi);反向把图片合回 PDF 用 图片转 PDF。