PDF в Word и обратно: что сохраняется, а что нет

В одну сторону — печать, в другую — реконструкция

Преобразование документа Word в PDF в «Word в PDF» — по большей части задача рендеринга. Встроенный в Word движок верстки отрисовывает страницу так же, как для печати, а PDF точно фиксирует готовый результат. Превратить PDF обратно в редактируемый документ Word в «PDF в Word» гораздо сложнее: в PDF нет понятия абзацев, стилей или структуры документа. Он знает только, где на странице лежат отдельные куски текста и как они нарисованы. Поэтому обратное преобразование в Word — всегда реконструкция структуры, которой в файле нет. Она лишь подразумевается тем, как элементы расположены на странице относительно друг друга.

Позиция на странице не говорит, что перед вами таблица

В PDF нет собственного понятия таблицы как объекта. То, что на экране выглядит как сетка из ячеек, на деле всего лишь отдельные фрагменты текста, расположенные через ровные интервалы. В файле нигде нет явной отметки «это таблица». Восстановление этой визуальной сетки как настоящей, редактируемой таблицы Word — всегда попытка угадать структуру по координатам фрагментов. Сложную или нестандартную таблицу может понадобиться немного поправить вручную. Это ограничение самого формата PDF, а не недоработка конкретного инструмента конвертации.

Текстовый поток и точная верстка отвечают на разные задачи

Восстанавливать PDF в виде обычных абзацев, которые естественно перетекают и переносятся при редактировании, имеет смысл, если документ потом будут переписывать. В этом и состоит практический смысл слова «редактируемый»: с текстом можно работать как с текстом. Восстанавливать его как точную копию страницы, с сохранением позиции каждого текстового блока, — уже попытка создать визуальный дубликат PDF. Но за это приходится платить удобством: таким файлом потом тяжелее пользоваться как обычным сплошным текстом, потому что каждый блок закреплен на своем месте. Выбирать между этими двумя подходами нужно, исходя из того, что вы будете делать с файлом сразу после конвертации, а не из того, какой вариант кажется технически более точным в теории.

Сканированный PDF требует совсем другого подхода

Сканированный документ — это картинка страницы, из которой нечего извлекать: текста в явном виде нет. Поэтому обычной конвертации PDF в Word не за что зацепиться: в файле нет позиций текста, из которых можно было бы вывести абзацы и таблицы. Настоящий текст получается, если автоматически распознать скан, сначала запустить OCR и только потом строить документ Word. Такой текст можно выделять, копировать и редактировать, а не смотреть на картинку страницы, вклеенную в пустой документ Word. Если скан нужно сохранить и как PDF, «OCR PDF» добавит такой же текстовый слой прямо в него.

Шрифты переживают круговой маршрут лучше, чем кажется

Если при конвертации Word в PDF включено встраивание шрифтов, начертание, использованное в документе, упаковывается внутрь самого PDF. Тогда страница отрисовывается одинаково даже на компьютере, где этот шрифт не установлен вовсе. Если же шрифт нельзя встроить, подбирается метрически совместимая замена с очень близкой шириной символов, чтобы не поехали переносы и интервалы. Верстка документа сохраняется, даже если тот же самый шрифт на стороне получателя воспроизвести невозможно.

Частые ошибки на круговом маршруте

Первая ошибка — ждать, что обратный путь вернет тот же файл Word, с которого все началось. PDF хранит внешний вид заголовка, а не то, что это был заголовок, поэтому инструменту «PDF в Word» приходится угадывать стили и структуру; сохраните исходный DOCX и считайте конвертированную копию новым документом. Вторая — выбрать точную разметку для текста, который вы собираетесь переписывать: каждый блок закреплен на своем месте, и правка превращается в перетаскивание рамок. Третья — довериться настройкам распознавания по умолчанию: оно настроено на английский, пока не выбран один из пятнадцати других языков, а режим «Авто» оставляет текстовый слой, который уже есть в файле, поэтому для PDF с абракадаброй вместо текста нужен режим «Всегда».

В обратную сторону, в «Word в PDF», обычный промах — отправить файл не глядя: шрифт, который нельзя встроить, заменяется метрически совместимым, так что переносы строк сохранятся, но гарнитура может оказаться другой. Файл с паролем отклоняется в обе стороны, поэтому сначала снимите пароль: в «Снять пароль», если это PDF, или в самом Word, если это DOCX. Оба конвертера работают на нашем сервере: PDF может весить до 300 МБ и занимать до 500 страниц, загруженный файл удаляется сразу после обработки, а результат — в течение примерно двух часов.