PDF 轉 Word 教學：4 種方法、OCR 與常見跑版問題

Adobe 在 1993 年設計 PDF，目的是讓文件在任何電腦上都以相同的樣子列印，2008 年這個格式成為國際標準 ISO 32000-1。為了做到這一點，PDF 的一頁其實是一串繪圖指令：把這些字形以這種字型放在這些座標、在這裡畫一條線、在那裡放一張圖片。一個換到第二行的句子，其實只是上下相鄰的兩段互不相關的文字，檔案裡沒有任何資訊說它們屬於同一句。

Word 文件則剛好相反。DOCX 檔案由 Office Open XML 標準（ECMA-376，後來成為 ISO/IEC 29500）定義，儲存的是段落、樣式、表格、分節符號與頁首頁尾，每次排版時由 Word 決定每一行在哪裡換行。你多打一個字，段落就會重新排列；更改邊界、字型或紙張大小，每一行都會移動。這種行為正是編輯時需要的，卻是 PDF 從未記錄的，因為 PDF 在儲存的那一刻就已經定稿。

因此 PDF 轉 Word 是「重建」，不是「解開」。轉換工具得猜測哪些行屬於同一個段落、哪一行粗體是標題而不是一句短短的粗體句子、哪些對齊的文字構成表格，以及兩欄文字該以什麼順序閱讀。好的轉換工具在乾淨的文件上猜得很準，在複雜的文件上則會出錯。如果 PDF 匯出時帶有標籤（用於無障礙的結構層），猜測會更準確，因為標籤明確記錄了標題、清單與閱讀順序。

副檔名同樣是 .pdf 的檔案，其實有兩種截然不同的類型。文字型 PDF 是從 Word、Google 文件、會計系統或瀏覽器的列印對話框匯出的，包含可以選取、複製與搜尋的真正字元。掃描型 PDF 則由掃描器、影印機或手機 App 製作，每一頁都是一張紙的照片。對轉換工具而言，掃描頁面裡完全沒有文字，只有像素，即使文字在螢幕上看起來非常清晰也一樣。檔名與圖示都看不出差別，在檔案總管裡兩種檔案長得一模一樣。

掃描頁面必須先經過光學字元辨識（OCR），才能產生可編輯的內容。OCR 會辨識字母的形狀並轉成文字，準確度取決於解析度、對比、傾斜程度與語言。乾淨的 300 dpi 白底黑字掃描檔幾乎能被完美讀取；在檯燈下斜著拍的手機照片，則每一段都會出現錯字。沒有 OCR 的轉換工具，不是給你一份空白文件，就是給你一份每頁都貼成一張圖片的 Word 檔案。

現實中的許多檔案是混合型：合約以文字匯出，最後附上一頁掃描的簽名頁；或是報告後面附有掃描的收據。逐頁檢查的轉換工具處理這類檔案最好，因為它直接讀取文字頁面，只在需要的地方使用 OCR，因此匯出的文字頁面字元完全正確。如果掃描是由你自己進行，文件掃描成 PDF 的教學說明了能讓 OCR 發揮最佳效果的解析度與光線。

Microsoft Word 自 2013 版起就能直接開啟 PDF，使用的是微軟稱為 PDF Reflow 的功能。如果電腦已安裝 Word，這是最直覺的選擇，處理單純的信件與報告表現不錯，但一次只能轉換一個檔案。Google 文件透過 Google 雲端硬碟提供類似的方式。Google 的將 PDF 轉成文字說明頁面建議檔案在 2 MB 以下，並指出清單、表格、欄位、註腳與章節附註不太可能被偵測到，這與實際情況相符：文字能轉出來，結構往往不行。

Adobe Acrobat Standard 與 Pro 透過 匯出 PDF 工具轉成 Word，並會自動對掃描頁面進行文字辨識。Acrobat 是付費訂閱制，免費的 Acrobat Reader 不含匯出功能。瀏覽器轉換工具介於兩者之間：不用安裝、任何作業系統都能用，通常還能在流動文字與精確版面之間選擇。在 PDF 轉 Word 頁面中，文字辨識（OCR） 設為自動時只會讀取沒有文字層的頁面，文件語言 則為非英文的掃描檔設定 OCR 的字母系統。

Word 的 PDF Reflow 就藏在一般的「開啟」對話框中，所以很多人從沒注意過。它適用於 Windows 上的 Word 2013、2016、2019、2021 與 Microsoft 365。Word 會顯示提示，說明將把 PDF 轉換成可編輯的文件、可能需要一些時間，而且結果可能與原檔不完全相同，尤其是圖形很多的檔案。按下「確定」後，轉換後的副本會以新的未儲存文件開啟；PDF 本身不會被更動。

微軟的官方說明列出了可能無法轉換的項目，包括跨越多頁的註腳、章節附註、PDF 書籤與註解，以及光暈或陰影等字型效果。實際上，Word 也常把側欄、引言框與多欄的雜誌頁面變成浮動文字方塊，看起來沒問題，編輯起來卻很麻煩。Word 也沒有設定掃描檔語言的選項，因此掃描頁面上的重音符號或非拉丁文字辨識結果時好時壞。不過對於一頁的信件或單純的報告，這往往是最快的方法，而且結果已經在你要使用的編輯器裡了。

單欄的內文與真正的標題，不論用哪種工具都能轉得很好：信件、文章、合約、大多數報告。粗體、斜體、項目符號清單與有明顯框線的簡單表格通常都能保留。只要轉換工具保留圖片，圖片就能轉出來；在瀏覽器方法中就是 保留圖片 選項，轉成 DOCX 時預設開啟。超連結只要在 PDF 中本來就是真正的連結，通常都能保留；藍色底線文字若本來就不是連結，仍然只是純文字。原始版面越乾淨、越常見，你越不會察覺到轉換的痕跡。

問題出在版面本身帶有意義的地方。兩欄文字可能被橫向讀取而不是往下讀。沒有框線的表格很難偵測，可能變成以 Tab 分隔的行。頁首、頁尾與頁碼在每一頁都以一般文字繪製，所以常會跑到內文中間，每頁一次。可填寫的表單欄位會被平面化成純文字或遺失。電腦上沒有的內嵌字型會被替換成最接近的字型，進而改變行長。若文件主要是表格，試算表會是更好的目標格式；請參閱從圖片與 PDF 擷取表格。

編輯任何內容之前，先花兩分鐘檢查轉換結果，因為結構問題在一開始修正，比改寫完一半文字之後再修容易得多。把 PDF 與 Word 檔案並排，兩邊都捲動看一遍。留意分頁處是否缺少段落、頁首是否重複出現在內文中，以及表格是否變成零散的行。開啟格式標記後，若每一行結尾都有段落標記，表示得到的是逐行版面而不是段落；改用 流動文字 重新轉換，通常比手動接行更快。

對於掃描頁面，請執行拼字檢查，並特別留意數字，因為拼字檢查不會管數字。OCR 常把數字 0 誤認為字母 O、1 誤認為 l、5 誤認為 S，在發票或合約裡，一個錯誤的數字比十個錯字更嚴重。如果整段文字都是亂碼，請先檢查 文件語言 並重新轉換，再手動修正。如果版面已經無法挽救，就把乾淨的文字複製到依你自己範本建立的新文件中；這往往比整理文字方塊更快。

每個轉換工具都是在逆向還原一份原本就以可編輯形式存在於某處的文件。如果 PDF 來自同事、客戶，或過去的自己，原始的 DOCX、Google 文件或 InDesign 檔案幾乎都比任何轉換結果好：樣式完整、表格是真的、追蹤修訂與註解都保留。一封簡短的信件詢問原始檔，就能省下一小時的整理時間，而且別人很少會介意。這也避免了一個更隱微的問題：轉換後的檔案看起來像定稿，轉換造成的小錯誤可能不知不覺帶進下一個版本。

對於要大量編輯的長文件、要重複使用的範本、含有複雜表格或表單的檔案，以及一個讀錯的數字就有風險的法律或財務文件，先詢問原始檔是正確的做法。當原始檔已經不存在、PDF 是從未有過數位原稿的紙本掃描，或你只需要取出幾個段落時，轉換才是正確的做法。這種情況下，PDF 轉換器也能輸出純文字，比完整格式的 Word 檔案更適合用來引用。

已簽署或經過認證的 PDF 是特例。轉成 Word 會移除簽章及其效力，因此只能把 Word 檔案當作工作副本。如果需要寄回編輯後的版本，請在 Word 副本中修改，再匯出成 PDF 並重新簽署；不要把轉換後的檔案當成已簽署的原件。帶有認證或正式印章的 PDF 也一樣：視覺上的標記也許能保留，但它的數位證明不會。