وقتی PDF به فایل Word تبدیل میشود چه چیزی باقی می‌ماند
یک PDF را به Word تبدیل می‌کنید و جدول کج درمیآید. گمان می‌کنید مبدل بد است، یکی دیگر را امتحان می‌کنید و تقریباً همان نتیجه را می‌گیرید. بعضی مشکل‌ها با عوض کردن ابزار برطرف نمی‌شوند.
دانستن دلیلش به شما می‌گوید کدام ابزار را انتخاب کنید و چقدر از آن انتظار داشته باشید.
PDF یک چاپ است، نه یک سند
آنچه درون یک PDF نشسته فهرست بلندی از دستورهاست که می‌گوید این نویسه را در ۷۲ و ۶۸۰ چاپ کن. هیچ‌جای فایل ثبت نشده که بند کجا تمام شده، یا کدام دو سطر به یک ردیف از یک جدول تعلق داشته‌اند.
این اطلاعات درست همان لحظه‌ای دور ریخته میشود که سند به PDF صادر میشود، همانطور که یک برگ چاپشده به آن نیازی ندارد. پس برگرداندنش بازسازی است نه تبدیل: شکل اصلی از جای نشستن نویسه‌ها استنتاج میشود.
همین یک جمله بقیه را توضیح میدهد. جدول کج درمیآید نه چون مبدل آن را اشتباه خوانده، بلکه چون اصلاً جدولی برای خواندن نبوده و باید تنها از روی موقعیت استنتاج می‌شده است.
آنچه استنتاج میشود و آنچه هرگز نبوده
جدا کردن این دو به شما می‌گوید چه چیزی می‌تواند بهتر شود و چه چیزی نه.
- استنتاج‌شدنی. جدا شدن بندها، از فاصله سطرها و از جایی که سطر می‌ایستد. جدول‌ها، از اینکه خانهها رو به پایین همتراز میمانند یا نه. عنوان‌ها، از قلمی بزرگ‌تر از متن اصلی. الگوریتم بهتر دقت را بالا می‌برد.
- مستقیم بیرون‌کشیدنی. خود نویسه‌ها، و هر تصویر یا مهری که روی صفحه چاپ شده است. اینها اشیای واقعی درون فایل‌اند و حدسی در کارشان نیست.
- هرگز ثبت‌نشده. اینکه نسخه اصلی از کدام سبک Word استفاده کرده، جدول کجا خانه ادغام‌شده داشته، میان بندها چند پونت فاصله بوده. هیچ ابزاری نمی‌تواند اینها را بسازد.
مراقب مبدل‌هایی باشید که صفحه‌آرایی را مو به مو بازتولید میکنند
برخی ابزارها تبلیغ میکنند که خروجی پیکسل‌به‌پیکسل با نسخه اصلی یکی است. بازش می‌کنید و واقعاً هم همین‌طور است. بعد یک سطر را ویرایش می‌کنید و سند فرو می‌ریزد.
رسیدن به آن یعنی ریختن متن در صدها کادر متنی میخ‌شده روی مختصات ثابت، به جای گذاشتنش در بندها. سندی که اینطور ساخته شود شبیه نسخه اصلی است اما نمی‌شود در آن کار کرد. یک نویسه را پاک کنید، تنها همان کادر جابهجا میشود و بقیه سر جایشان میمانند.
| چه میخواهید | چه انتخاب کنید |
|---|---|
| خواندن و ویرایش محتوا | مبدلی که بندها را بازسازی میکند |
| فقط خواندن | تبدیل نکنید، از نمایشگر PDF استفاده کنید |
| باید عین نسخه چاپی باشد | تبدیل نکنید، همان PDF را نگه دارید |
| محاسبه روی اعداد | به کاربرگ تبدیل کنید |
تبدیل برای آن است که بتوانید ویرایش کنید. خروجی‌ای که نمیتوانید ویرایش کنید هدفش را از دست داده است. اگر هدف شبیه بودن است، از همان اول دلیلی برای تبدیل نبوده.
دلیل واقعی نادرست درآمدن جدول‌ها
جدول‌های درون PDF بسیار اوقات هیچ خطی ندارند. آنجا هم که دارند، آن خط‌ها روی لایه‌ای جدا از متن کشیده شدهاند و برای هر چیزی که واژه‌ها را بیرون میکشد نامرئی‌اند. به همین دلیل است که روش‌های مبتنی بر یافتن خط این‌قدر مکرر شکست می‌خورند.
پس آنچه خوانده میشود موقعیت است: خانه‌هایی که لبه‌شان در چند سطر در یک جا می‌ایستد جدول شمرده میشوند. این روش در خانه‌های خالی از همه ضعیف‌تر است. خانه خالی هیچ ردی در فایل نمیگذارد، پس آن ردیف یک خانه کم به نظر می‌رسد و هرچه پس از آن است یک خانه جابهجا میشود.
خانه‌های ادغام‌شده هم همین‌طورند. چشم شما دو خانه به‌هم‌چسبیده می‌بیند؛ فایل یک تکه متن دارد که کمی چپ‌تر از همسایه‌هایش نشسته است.
هیچ ابزاری PDF اسکن‌شده را تبدیل نمی‌کند
PDFای که اسکنر اداری تولید کرده برای هر صفحه یک عکس است. چشم شما حرف می‌بیند، فایل حتی یک حرف ندارد. این محدودیت ابزار نیست، نبودِ داده در منبع است.
بازشناسی نوری نویسه می‌تواند از روی تصویر متن بسازد. اما آن بازشناسی است نه بیرون کشیدن، و خطاهایی مثل خواندن صفر به جای حرف O را قاطی میکند. در یک قرارداد یا فرمی که تحویل می‌دهید، چنین خطایی گران تمام میشود. درخواست فایل اصلی از صادرکننده معمولاً سریع‌تر است.
خلاصه
پرسشی که باید از یک مبدل کرد این نیست که چقدر شبیه است، بلکه این است که آیا می‌توانید آنچه بیرون میآید را ویرایش کنید. و وقتی نتیجه کامل نیست، توانایی تشخیص مرز ابزار از مرز قالب شما را از عوض کردن بیهوده ابزارها نجات میدهد.
پرسش‌های پرتکرار
- چرا مبدلهای مختلف نتیجههای مختلف میدهند؟
- چون قواعد استنتاجشان فرق دارد. فاصله چقدر باید پهن باشد تا پایان بند شمرده شود، چند سطر همتراز جدول به حساب میآید: هر ابزار این مرزها را کمی متفاوت میکشد. برای همین یک ابزار با نوع خاصی از سندها بهتر جور درمیآید.
- جدولهایم مدام نادرست درمیآیند. کاری میشود کرد؟
- هرچه جدول خانه خالی بیشتری داشته باشد نتیجه بدتر است، چون خانه خالی در PDF ردی نمیگذارد. اگر فقط جدول را میخواهید، تبدیل به کاربرگ بهتر از تبدیل به Word است. آن مسیر عمداً خانهها را در ستونها میاندازد و جابهجایی را با دست آسانتر میشود درست کرد.
- آیا تصویرها و مهرها منتقل میشوند؟
- بله. آنها اشیای واقعی چاپشده روی صفحهاند، پس حدسی لازم نیست و همانطور که هستند بیرون کشیده میشوند. اینکه کجا مینشینند را ترتیب خواندن تعیین میکند نه مختصات اصلی، چون میخ کردنشان روی مختصات سندی میدهد که نمیتوانید ویرایشش کنید.
- قلمها عوض شدهاند.
- PDF واقعاً فایل قلم را در خود جا میدهد، اما هیچ تضمینی نیست که نامی را که سند اصلی مشخص کرده داشته باشد، و بهمراتب کمتر تضمینی هست که همان قلم روی دستگاهی که خروجی را باز میکند نصب باشد. پس قلمها دستنخورده میمانند و قلم پیشفرض به کار میرود.
- آیا مبدلی هست که فایل مرا بارگذاری نکند؟
- بله، ابزارهای همین سایت اینطور کار میکنند. کل تبدیل درون مرورگر تمام میشود، پس گام بارگذاری وجود ندارد. برای بررسی، زبانه شبکه را در ابزار توسعهدهنده باز کنید و یک تبدیل را اجرا کنید.
به‌روزرسانی ۲۶ شهریور ۱۴۰۵
