Jak převést PDF do Wordu
Nástroj PDF do Wordu vytvoří z nahraného PDF editovatelný soubor .docx pomocí hybridního převodu: do stránky vloží její grafickou podobu a zároveň nad ni umístí upravitelné textové bloky. Návod popisuje celý postup i to, co od výsledku reálně čekat — zejména u naskenovaných dokumentů.
Publikováno:
Postup
- 1. Otevřete nástroj PDF do Wordu a nahrajte zdrojový PDF soubor (do 50 MB). Zpracování probíhá přímo v prohlížeči, dokument se nikam neodesílá.
- 2. Spusťte převod. Nástroj postupně projde stránky, vykreslí jejich grafickou podobu a k ní přidá rozpoznané textové bloky jako editovatelný text.
- 3. Stáhněte vygenerovaný soubor .docx do počítače.
- 4. Otevřete dokument ve Wordu nebo jiném kompatibilním editoru (LibreOffice Writer, Dokumenty Google) a projděte rozvržení i obsah jednotlivých textových bloků.
- 5. Opravte případné přetečené nebo posunuté odstavce a dokument uložte ve finální verzi.
Co znamená hybridní převod
Klasický „plně strukturovaný" převod PDF do Wordu se snaží znovu vytvořit celou stránku jako plynoucí text — odstavce, nadpisy i tabulky přeskládá do textového toku dokumentu. U jednoduchých PDF to funguje dobře, u složitějších rozvržení (více sloupců, kombinace textu a grafiky, nepravidelné tabulky) ale často dochází k rozhození pořadí odstavců nebo ztrátě vzhledu.
Hybridní přístup jde jinou cestou: podobu stránky (rozložení, grafiku, přesné umístění prvků) přenese jako věrný vizuální základ a nad něj umístí textové bloky odpovídající textu z původního PDF. Výsledkem je dokument, který na první pohled vypadá jako originál, a zároveň v něm lze upravovat text po jednotlivých blocích — přepsat větu, opravit překlep nebo doplnit chybějící údaj, aniž by se muselo měnit rozvržení celé stránky.
Tento způsob se hodí hlavně na drobné a střední úpravy existujícího dokumentu. Pokud potřebujete text zcela přetéct do nového rozvržení nebo dlouhodobě dokument v jiném formátu aktivně rozvíjet, počítejte s tím, že u rozsáhlejších změn bude praktičtější text z bloků zkopírovat a vložit do čistého nového dokumentu.
Skenované PDF a chybějící text
Ne každé PDF v sobě má textovou vrstvu. Dokument vzniklý naskenováním papíru nebo vyfocením stránky mobilem obvykle obsahuje jen obrázek každé stránky — počítač v něm „vidí" pixely, ne písmena. Hybridní převod dokáže vytvořit editovatelné textové bloky pouze tam, kde už zdrojové PDF textovou vrstvu má. U čistě obrazového skenu proto výsledný .docx bude obsahovat grafickou podobu stránky, ale bez doprovodného upravitelného textu.
Aby textové bloky u skenu vznikly, musel by dokument nejdřív projít optickým rozpoznáváním znaků (OCR) — technologií, která z obrázku písmen odvodí odpovídající text. Tento nástroj OCR neprovádí, takže u naskenovaných stránek text nedoplní.
Zda vaše PDF textovou vrstvu má, snadno zjistíte i bez konverze: otevřete soubor v prohlížeči PDF a zkuste v něm označit kus textu myší. Pokud se text označí a jde zkopírovat, textová vrstva v dokumentu je. Pokud myš „chytá" jen celou stránku jako obrázek, jde o sken bez textu a hybridní převod na něm textové bloky nevytvoří.
Časté je i smíšené PDF — třeba naskenovaná smlouva, ke které je připojena poslední strana vygenerovaná přímo z počítače. Kontrola textové vrstvy se v takovém případě hodí zvlášť pro každou stránku: hybridní převod vytvoří textové bloky jen tam, kde text v originále skutečně existuje, zatímco naskenované strany zůstanou ve výsledném dokumentu jako obrázek bez možnosti úpravy textu.