Cara Mengubah PDF ke Word: 4 Cara, OCR, dan yang Sering Rusak

Adobe merancang PDF pada 1993 agar sebuah dokumen tercetak sama di mesin mana pun, dan format ini menjadi standar internasional ISO 32000-1 pada 2008. Demi menepati janji itu, halaman PDF berisi daftar instruksi menggambar: letakkan glyph ini di koordinat ini dengan font ini, tarik garis di sini, taruh gambar di sana. Kalimat yang berlanjut ke baris kedua hanyalah dua potongan teks terpisah yang kebetulan berada satu di atas yang lain. Tidak ada apa pun di dalam file yang menyatakan bahwa keduanya satu kesatuan.

Dokumen Word bekerja sebaliknya. File DOCX, yang didefinisikan oleh standar Office Open XML (ECMA-376, kemudian ISO/IEC 29500), menyimpan paragraf, gaya, tabel, pemisah bagian, dan header, lalu Word menentukan di mana setiap baris terputus setiap kali halaman ditata. Saat Anda menambah satu kata, paragrafnya mengalir ulang. Ubah margin, font, atau ukuran kertas, dan semua baris ikut bergeser. Perilaku itulah yang Anda butuhkan saat mengedit, dan justru itulah yang tidak pernah dicatat PDF, karena PDF sudah final begitu disimpan.

Jadi, mengubah PDF ke Word adalah rekonstruksi, bukan sekadar membongkar isi file. Konverter harus menebak baris mana yang membentuk satu paragraf, baris tebal mana yang merupakan judul dan bukan sekadar kalimat pendek bercetak tebal, kata-kata sejajar mana yang membentuk tabel, dan dalam urutan apa dua kolom harus dibaca. Konverter yang baik menebak dengan tepat pada dokumen yang rapi dan meleset pada dokumen yang padat. Jika PDF diekspor dengan tag (lapisan struktur untuk aksesibilitas), tebakannya membaik, karena tag mencatat judul, daftar, dan urutan baca secara eksplisit.

Ada dua hal yang sangat berbeda yang sama-sama berakhiran .pdf. PDF teks diekspor dari Word, Google Docs, sistem akuntansi, atau dialog cetak browser, dan berisi karakter sungguhan yang bisa Anda pilih, salin, dan cari. PDF hasil scan dibuat oleh pemindai, mesin fotokopi, atau aplikasi ponsel, dan setiap halamannya adalah foto kertas. Bagi konverter, halaman hasil scan sama sekali tidak memuat kata, hanya piksel, meskipun teksnya tampak sangat tajam di layar. Nama file dan ikonnya tidak memberi petunjuk apa pun; di pengelola file, keduanya terlihat identik.

Halaman hasil scan harus melalui pengenalan karakter optik (OCR) sebelum bisa menghasilkan sesuatu yang dapat diedit. OCR membaca bentuk huruf dan mengubahnya menjadi teks, dan akurasinya bergantung pada resolusi, kontras, kemiringan, dan bahasa. Scan 300 dpi hitam di atas putih yang bersih terbaca hampir sempurna; foto ponsel yang diambil miring di bawah lampu meja menghasilkan salah ketik di setiap paragraf. Konverter tanpa OCR akan memberi Anda dokumen kosong atau file Word yang setiap halamannya ditempel sebagai satu gambar.

Banyak file di dunia nyata bersifat campuran: kontrak yang diekspor sebagai teks dengan halaman tanda tangan hasil scan di bagian akhir, atau laporan dengan lampiran kuitansi hasil scan. Konverter yang memeriksa setiap halaman secara terpisah menangani file seperti ini paling baik, karena halaman teks dibaca langsung dan OCR hanya dijalankan di tempat yang perlu, sehingga halaman hasil ekspor tetap akurat hingga ke tiap karakter. Jika Anda membuat scan sendiri, panduan tentang memindai dokumen ke PDF menjelaskan resolusi dan pencahayaan yang memberi OCR peluang terbaik.

Microsoft Word sudah bisa membuka PDF secara langsung sejak Word 2013, lewat fitur yang oleh Microsoft disebut PDF Reflow. Ini pilihan yang paling jelas jika Word sudah terpasang, dan hasilnya bagus untuk surat dan laporan sederhana. Fitur ini mengonversi satu file setiap kali. Google Docs menawarkan cara serupa melalui Google Drive. Halaman bantuan Google tentang mengonversi PDF menjadi teks menyarankan file berukuran 2 MB atau lebih kecil dan menyebut bahwa daftar, tabel, kolom, catatan kaki, dan catatan akhir kemungkinan tidak terdeteksi. Itu sesuai dengan praktiknya: kata-katanya terbawa, strukturnya sering tidak.

Adobe Acrobat Standard dan Pro mengekspor ke Word melalui alat Export PDF dan menjalankan pengenalan teks pada halaman hasil scan secara otomatis. Acrobat berbayar dengan langganan, dan Acrobat Reader gratis tidak menyertakan fitur ekspor ini. Konverter browser berada di antara keduanya: tidak perlu memasang apa pun, berjalan di sistem operasi apa pun, dan biasanya memberi pilihan antara teks mengalir dan tata letak persis. Di halaman ubah PDF ke Word, Pengenalan teks (OCR) pada Otomatis hanya membaca halaman yang tidak punya lapisan teks, dan Bahasa dokumen menentukan alfabet OCR untuk scan yang bukan berbahasa Inggris.

PDF Reflow di Word ada di dialog Open biasa, itulah sebabnya banyak orang tidak pernah menyadarinya. Fitur ini tersedia di Word 2013, 2016, 2019, 2021, dan Microsoft 365 di Windows. Word menampilkan pemberitahuan bahwa PDF akan dikonversi menjadi dokumen yang bisa diedit, bahwa prosesnya mungkin memakan waktu, dan bahwa hasilnya mungkin tidak tampak persis seperti aslinya, terutama jika file berisi banyak grafik. Klik OK dan salinan hasil konversi terbuka sebagai dokumen baru yang belum disimpan; PDF-nya sendiri tidak pernah diubah.

Dokumentasi Microsoft sendiri mencantumkan elemen yang mungkin tidak terkonversi, termasuk catatan kaki yang melintasi lebih dari satu halaman, catatan akhir, bookmark dan komentar PDF, serta efek font seperti glow atau bayangan. Dalam praktiknya, Word juga cenderung mengubah kolom samping, kutipan sorotan, dan halaman majalah berkolom banyak menjadi kotak teks mengambang, yang tampak benar tetapi merepotkan saat diedit. Word juga tidak punya pengaturan bahasa untuk scan, sehingga teks beraksen atau non-Latin pada halaman hasil scan kadang terbaca, kadang tidak. Namun, untuk surat satu halaman atau laporan sederhana, cara ini sering kali yang tercepat, dan hasilnya langsung berada di editor yang akan Anda pakai.

Teks isi satu kolom dengan judul yang sesungguhnya terkonversi dengan baik oleh alat apa pun: surat, esai, kontrak, dan sebagian besar laporan. Huruf tebal, miring, daftar berpoin, dan tabel sederhana dengan garis batas yang terlihat biasanya selamat. Gambar ikut terbawa selama konverter mempertahankannya; di jalur browser, itulah opsi Pertahankan gambar, yang aktif secara bawaan untuk DOCX. Hyperlink umumnya tetap berfungsi jika memang tautan sungguhan di PDF; teks biru bergaris bawah yang sejak awal bukan tautan tetap menjadi teks biasa. Semakin rapi dan lazim tata letak aslinya, semakin sedikit Anda akan merasakan proses konversinya.

Masalah mulai muncul ketika tata letak halaman ikut membawa makna. Teks dua kolom bisa terbaca melintang, bukan dari atas ke bawah. Tabel tanpa garis sulit dideteksi dan bisa muncul sebagai baris yang dipisahkan tab. Header, footer, dan nomor halaman digambar di setiap halaman sebagai teks biasa, sehingga sering mendarat di tengah isi, sekali per halaman. Kolom isian formulir diratakan menjadi teks biasa atau hilang. Font tersemat yang tidak ada di komputer Anda diganti dengan yang paling mirip, sehingga panjang baris berubah. Untuk dokumen yang sebagian besar berisi tabel, spreadsheet adalah tujuan yang lebih tepat; lihat mengambil tabel dari gambar dan PDF.

Sebelum mengedit apa pun, luangkan dua menit untuk memeriksa hasil konversi, karena masalah struktur lebih mudah diperbaiki di awal daripada setelah Anda menulis ulang separuh teks. Letakkan PDF dan file Word berdampingan lalu gulir keduanya. Cari paragraf yang hilang di batas halaman, header yang berulang di tengah isi, dan tabel yang berubah menjadi baris-baris lepas. Dengan tanda format aktif, tanda paragraf di akhir setiap baris berarti Anda mendapat tata letak per baris, bukan paragraf; mengonversi ulang dengan Teks mengalir biasanya lebih cepat daripada menyambung baris satu per satu.

Untuk halaman hasil scan, jalankan pemeriksaan ejaan dan beri perhatian khusus pada angka, yang diabaikan pemeriksa ejaan. OCR sering tertukar antara angka 0 dan huruf O, 1 dan l, serta 5 dan S, dan di faktur atau kontrak, satu digit yang salah lebih berbahaya daripada sepuluh salah ketik. Jika seluruh paragraf kacau, periksa Bahasa dokumen dan konversi ulang sebelum mengoreksi secara manual. Jika tata letaknya sudah tidak tertolong, salin teks yang bersih ke dokumen baru berdasarkan templat Anda sendiri; cara ini sering lebih cepat daripada mengurai kotak-kotak teks.

Setiap konverter merekayasa balik dokumen yang sebelumnya sudah ada dalam bentuk yang bisa diedit di suatu tempat. Jika PDF berasal dari rekan kerja, klien, atau diri Anda sendiri di masa lalu, file DOCX, Google Doc, atau InDesign aslinya hampir selalu lebih baik daripada hasil konversi apa pun: gaya utuh, tabel asli, serta lacak perubahan dan komentar tetap ada. Satu email singkat yang meminta file sumber bisa menghemat satu jam merapikan dokumen, dan orang jarang keberatan. Cara ini juga menghindari masalah yang lebih halus: file hasil konversi tampak sudah jadi, sehingga kesalahan kecil akibat konversi bisa terbawa ke versi berikutnya tanpa disadari.

Meminta file asli lebih dulu adalah langkah yang tepat untuk dokumen panjang yang akan banyak Anda edit, untuk templat yang akan dipakai ulang, untuk apa pun yang berisi tabel atau formulir rumit, serta untuk dokumen hukum atau keuangan yang satu digit salah baca saja sudah berisiko. Mengonversi adalah langkah yang tepat ketika sumbernya sudah tidak ada, ketika PDF adalah scan kertas yang memang tidak pernah punya versi digital, atau ketika Anda hanya perlu mengambil beberapa paragraf. Dalam kasus itu, konverter PDF juga bisa menghasilkan teks biasa, yang lebih bersih untuk dikutip daripada file Word berformat lengkap.

PDF yang ditandatangani atau tersertifikasi adalah kasus khusus. Mengubahnya ke Word menghapus tanda tangan beserta keabsahannya, jadi perlakukan file Word itu hanya sebagai salinan kerja. Jika Anda perlu mengirim balik versi yang sudah diedit, lakukan perubahan di salinan Word, ekspor lagi ke PDF, lalu minta tanda tangan ulang; jangan sajikan file hasil konversi sebagai dokumen asli yang sudah ditandatangani. Hal yang sama berlaku untuk PDF dengan sertifikasi atau segel resmi: tanda visualnya mungkin tetap ada, tetapi bukti digitalnya tidak.