PDF转Word再转回PDF：哪些内容能保留下来

一个方向是重建，另一个方向只是打印

用Word转PDF把Word文档转成PDF，是一个渲染问题。文档自己的排版引擎像打印时那样画出页面，PDF记录的就是这个本来就正确的结果。用PDF转Word把PDF变回可编辑的Word文档，则是反方向上更难的问题。PDF不记得段落、样式和文档结构，它只知道每一段文字在页面上的位置。所以转回Word，意味着要重建文件里从未保存过的结构，这些结构只是从内容在页面上的摆放位置里隐约看得出来。两行靠得很近的文字，可能是一段，也可能是两段。一处空白可能是分段，也可能是分栏的边界。转换必须做出判断，而它能依据的只有位置。

PDF页面上的位置，说明不了那是不是表格

PDF本身根本没有表格这个概念。页面上看起来明明是单元格网格的东西，实际上只是按固定间隔摆放的一段段文字，文件里没有任何标记说“这是一个表格”。要把这个视觉上的网格重建成Word里真正可编辑的表格，只能根据位置推断结构，尽力而为。复杂或不规则的表格，转换后需要手动修整一下，这很正常。这是格式本身的局限，不是哪个转换工具能修好的缺陷。

流式文本和精确版式，回答的是不同的问题

如果文档之后要改写，就把PDF重建成流式段落，编辑时文字会自动重新排布。实际使用中，“可编辑”本来就该是这个意思。如果改为重建成精确版式的副本，更忠实地保留每个文本块在页面上的原始位置，得到的结果更接近PDF的视觉复制品。代价是以后很难把它当作普通的流式文本来处理。两者之间怎么选，取决于文件接下来要做什么，而不是哪个选项听起来更“忠实”。

扫描版PDF需要完全不同的起点

扫描文档是一张页面的图片，里面没有可提取的文字，所以普通的PDF转Word重建无从下手。从一开始就没有带位置的文字，可以用来推断段落和表格结构。自动识别出这种情况，在生成Word文档之前先做文字识别（OCR），另一端得到的才是真正可编辑、可选中的文字，而不是一张页面图片别扭地贴在一个几乎空白的文档里。如果你还想把扫描件保留为PDF，PDF文字识别会给扫描件本身加上同样的文字层。

字体在往返中比多数人想的更可靠

把Word转成PDF时启用字体嵌入，文档用的字体就会跟着进入生成的PDF文件，即使在没有安装这种字体的电脑上，页面显示也完全一样。如果某个字体因故无法嵌入，就换成度量兼容的等效字体，也就是字符宽度足够接近、不会让换行和间距发生变化的字体。这样，即使接收方无法还原原本的字体，文档的版式也能保持不变。

往返转换中的常见错误

第一个错误，是指望转回来能得到你最初的那个Word文件。PDF保存的是标题的样子，而不是“这是标题”这件事，所以PDF转Word必须推断样式和结构；原来的DOCX要留好，把转换出来的副本当作一份新文档。第二个错误，是对一份马上要改写的文字选择精确版式：每个文本块都钉在原处，编辑就变成了挪方框。第三个错误，是相信OCR的默认设置：识别默认按英语进行，除非你从另外十五种语言里选一种；“自动”模式会保留文件里已有的文字层，所以文字乱码的PDF要选“始终”。

反方向用Word转PDF时，常见的疏忽是不看一眼就发出去：无法嵌入的字体会换成度量兼容的字体，换行不会变，但字形可能不同。设置了密码的文件两个方向都会被拒绝：先移除密码，PDF用PDF解密，DOCX在Word里移除。两个转换器都在我们的服务器上运行：PDF最大300 MB、500页，上传的文件在任务完成后删除，结果约两小时内清除。