PDF in Word und zurück: Was die Umwandlung übersteht

Die eine Richtung ist Rekonstruktion, die andere bloß Drucken

Ein Word-Dokument mit Word in PDF umwandeln in ein PDF zu verwandeln, ist eine Frage des Renderns. Die Layout-Engine des Dokuments zeichnet die Seite so, wie sie es für den Druck tun würde, und das PDF hält diese bereits korrekte Ausgabe fest. Ein PDF mit PDF in Word umwandeln wieder in ein bearbeitbares Word-Dokument zu verwandeln, ist ein schwierigeres Problem in der Gegenrichtung. Ein PDF erinnert sich nicht an Absätze, Formatvorlagen oder Dokumentstruktur. Es weiß nur, wo einzelne Textstücke auf einer Seite stehen. Der Weg zurück zu Word bedeutet deshalb, eine Struktur zu rekonstruieren, die nie in der Datei gespeichert war, sondern sich nur daraus ergibt, wo die Dinge optisch zufällig stehen. Zwei eng beieinanderliegende Textzeilen können ein Absatz sein oder zwei. Eine Lücke kann ein Absatzwechsel sein oder eine Spaltengrenze. Die Umwandlung muss sich entscheiden, und entscheiden kann sie nur anhand der Positionen.

Die Position auf einer PDF-Seite verrät nicht, ob etwas eine Tabelle war

PDF kennt das Konzept einer Tabelle von sich aus überhaupt nicht. Was auf der Seite unverkennbar wie ein Raster aus Zellen aussieht, sind in Wirklichkeit einzelne Textstücke, die in regelmäßigen Abständen platziert sind – ohne irgendeine Markierung in der Datei, die sagt: „Das ist eine Tabelle.“ Dieses optische Raster in Word als echte, bearbeitbare Tabelle nachzubauen, ist zwangsläufig eine Annäherung, die die Struktur aus den Positionen ableitet. Ein komplexes oder unregelmäßiges Tabellenlayout braucht danach unter Umständen etwas Nacharbeit von Hand. Das ist eine Grenze des Formats selbst, kein behebbarer Fehler eines bestimmten Konvertierungstools.

Fließtext und exaktes Layout beantworten verschiedene Fragen

Ein PDF als fließende Absätze nachzubauen, die sich beim Bearbeiten neu umbrechen, ist die richtige Wahl, wenn das Dokument danach umgeschrieben werden soll. Genau das soll „bearbeitbar“ in der Praxis bedeuten. Baut man es stattdessen als Kopie mit exaktem Layout nach, die die ursprüngliche Position jedes Textblocks auf der Seite wörtlicher bewahrt, entsteht etwas, das einer optischen Nachbildung des PDFs näherkommt. Der Preis dafür: Mit dem Ergebnis lässt sich später schwerer arbeiten, wenn es wie gewöhnlicher Fließtext behandelt werden soll. Die Wahl zwischen beiden hängt davon ab, was als Nächstes mit der Datei geschieht, und nicht davon, welche Option abstrakt betrachtet originalgetreuer klingt.

Ein gescanntes PDF braucht einen völlig anderen Ausgangspunkt

Ein gescanntes Dokument ist ein Bild einer Seite, aus dem sich kein Text extrahieren lässt. Die gewöhnliche PDF-in-Word-Rekonstruktion hat hier also nichts, womit sie arbeiten könnte: Es gibt von vornherein keinen positionierten Text, aus dem sich Absatz- und Tabellenstruktur ableiten ließen. Erst wenn diese Situation automatisch erkannt wird und vor dem Aufbau des Word-Dokuments eine OCR läuft, entsteht auf der anderen Seite echter, bearbeitbarer und markierbarer Text – statt eines Seitenbildes, das unbeholfen in ein ansonsten leeres Dokument geklebt wurde. Wollen Sie den Scan zusätzlich als PDF behalten, fügt OCR PDF dieselbe Art von Textebene in den Scan selbst ein.

Schriften überstehen den Hin- und Rückweg zuverlässiger als gedacht

Wird Word mit aktivierter Schrifteinbettung in PDF umgewandelt, reist die im Dokument verwendete Schrift in der entstandenen PDF-Datei mit. Die Seite wird dann identisch dargestellt, selbst auf einem Computer, auf dem diese Schrift nicht installiert ist. Lässt sich eine Schrift aus irgendeinem Grund nicht einbetten, hilft ein metrisch kompatibler Ersatz: eine Schrift, deren Zeichenbreiten so genau übereinstimmen, dass sich Zeilenumbrüche und Abstände nicht verschieben. So bleibt das Layout des Dokuments erhalten, auch wenn sich die ursprüngliche Schrift beim Empfänger nicht wiedergeben lässt.

Häufige Fehler auf dem Hin- und Rückweg

Der erste Fehler ist die Erwartung, dass der Rückweg genau die Word-Datei liefert, mit der Sie angefangen haben. Ein PDF speichert das Aussehen einer Überschrift, nicht die Tatsache, dass es eine war. PDF in Word umwandeln muss Formatvorlagen und Struktur deshalb ableiten. Behalten Sie die ursprüngliche DOCX-Datei und behandeln Sie die umgewandelte Kopie als neues Dokument. Der zweite Fehler: exaktes Layout für einen Text zu wählen, den Sie gleich umschreiben wollen. Jeder Block bleibt dort festgenagelt, wo er war, und das Bearbeiten wird zum Verschieben von Kästen. Der dritte Fehler: sich auf die OCR-Standardeinstellungen zu verlassen. Die Erkennung geht von Englisch aus, solange Sie keine der fünfzehn anderen Sprachen wählen, und „Automatisch“ behält jede Textebene, die die Datei bereits hat. Ein PDF mit verstümmeltem Text braucht deshalb die Einstellung „Immer“.

In der Gegenrichtung, mit Word in PDF umwandeln, ist der übliche Ausrutscher, die Datei ungeprüft zu verschicken: Eine Schrift, die sich nicht einbetten lässt, wird durch eine metrisch kompatible ersetzt. Die Zeilenumbrüche halten dann, aber die Schrift kann anders aussehen. Eine passwortgeschützte Datei wird in beiden Richtungen abgelehnt. Entfernen Sie zuerst das Passwort – bei einem PDF mit PDF entsperren, bei einer DOCX-Datei in Word. Beide Konverter arbeiten auf unserem Server: Ein PDF darf bis zu 300 MB groß sein und bis zu 500 Seiten haben. Die hochgeladene Datei wird gelöscht, sobald der Auftrag abgeschlossen ist, und das Ergebnis nach etwa zwei Stunden.