9314JIUsi
🖋️ 誊印工坊 · 文字重建所 pdf.js 自托管 · Apache-2.0

PDF 转 Word:文字誊进纸上,稿不出工坊

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)

01送稿台

把 PDF 拖到送稿台上 或点击选择 · 支持 Ctrl/⌘+V 粘贴 · ≤50MB

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。

正在下载解析引擎…

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」。

02誊写台

进度 0/0 页
等着送稿
还没有誊好的稿子。选好模式,按「誊写」。
重建预览

先说清楚这一页能做什么、不能做什么

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。

重建规则(誊写员的手艺)

参数与边界(Facts)

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

常见疑问

PDF 转 Word 会上传我的文件吗?
不会。解析和生成 .docx 都在这台设备的浏览器里完成(pdf.js 引擎自托管在本站),PDF 一个字节都不出你的设备。首次转换需要下载约 1.4MB 的解析引擎,之后存在浏览器缓存里,断网也能用。
转换出来的 Word 和原 PDF 一模一样吗?
不承诺一模一样。文字模式是「文字层重建」:段落和标题按启发式规则拼接,复杂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;页面图像模式保版式但整页是图片、不可编辑。两种模式各有边界,转换后请务必校对。
扫描件 PDF 能转成可编辑的 Word 吗?
这一页不做文字识别(OCR)。扫描件会自动建议切到页面图像模式:每页 150dpi 渲染成图嵌入 docx,保版式但不可编辑。要可编辑文字,需要先过带 OCR 的服务。
加密的 PDF 能转吗?
知道口令就能转:弹出口令框输入即可(口令只在本机内存里用完即弃,不上传)。带 DRM 限制的电子书和数字版权保护的文件不支持,页面会如实报错。
两栏排版的 PDF 转出来会串行吗?
页面会检测左右两栏的文字分布(x 坐标双峰)并分栏重建,左右栏各自成段、先左后右。三栏以上或跨栏图表的复杂版面会退化为混合文本,转换后需要手动整理。
我的设置存在哪?
转换模式偏好记在这台设备的浏览器 localStorage 里(键名 y9314:pdf-to-word:v1),PDF 文件和生成的 docx 从不落盘。页脚「清空我的数据」一次删干净。

Related

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。