Apa yang terselamat apabila PDF menjadi fail Word

Memahami sebabnya memberitahu anda alat mana yang perlu dipilih dan setakat mana boleh diharapkan.

PDF ialah cetakan, bukan dokumen

Yang ada di dalam sebuah PDF ialah senarai panjang arahan yang berbunyi cetak aksara ini pada 72, 680. Tiada satu tempat pun dalam fail itu merekodkan di mana perenggan berakhir atau dua baris mana yang tergolong dalam baris yang sama sebuah jadual.

Maklumat itu dibuang sebaik sahaja dokumen dieksport menjadi PDF, sama seperti sehelai kertas bercetak tidak memerlukannya. Jadi memulihkannya ialah kerja membina semula, bukan menukar: bentuk asalnya disimpulkan daripada kedudukan aksaranya.

Satu ayat itu menjelaskan yang selebihnya. Jadual keluar senget bukan kerana penukar tersalah baca jadual, tetapi kerana memang tiada jadual untuk dibaca dan ia terpaksa disimpulkan daripada kedudukan semata-mata.

Yang boleh disimpulkan dan yang tidak pernah ada

Memisahkan dua perkara ini memberitahu anda apa yang boleh bertambah baik dan apa yang tidak.

• Boleh disimpulkan. Pemisahan perenggan, daripada jarak baris dan tempat baris berhenti. Jadual, daripada sama ada selnya berbaris lurus ke bawah. Tajuk, daripada huruf yang lebih besar daripada teks utama. Algoritma yang lebih baik menjadikannya lebih jitu.
• Boleh dikeluarkan terus. Aksara itu sendiri, dan mana-mana imej atau cop yang tercetak pada halaman. Semuanya objek sebenar dalam fail dan tidak perlu diteka.
• Tidak pernah direkodkan. Gaya Word apa yang digunakan oleh fail asal, di mana jadual mempunyai sel bercantum, berapa titik jarak antara perenggan. Tiada alat yang boleh menghasilkan ini.

Berhati-hati dengan penukar yang meniru susun atur dengan tepat

Sesetengah alat mengiklankan hasil yang sepadan dengan fail asal sehingga ke piksel. Buka dan ia memang sepadan. Kemudian anda sunting satu baris dan dokumen itu runtuh.

Untuk mencapainya, teks perlu dimasukkan ke dalam ratusan kotak teks yang dipaku pada koordinat tetap dan bukan ke dalam perenggan. Dokumen yang dibina begitu kelihatan seperti asal tetapi tidak boleh digarap. Padamkan satu aksara dan hanya kotak itu yang menyesuaikan diri, manakala semua di sekelilingnya kekal di tempatnya.

Penukaran wujud supaya anda boleh menyunting. Hasil yang tidak boleh disunting sudah kehilangan tujuannya. Jika matlamatnya kelihatan serupa, maka sejak awal lagi tiada sebab untuk menukar.

Sebab sebenar jadual keluar salah

Jadual dalam PDF amat kerap tiada sebarang garisan. Di mana ada, garisan itu dilukis pada lapisan yang berbeza daripada teks, tidak kelihatan kepada apa jua yang mengeluarkan perkataan. Itulah sebabnya pendekatan yang bergantung pada mencari garisan begitu kerap gagal.

Jadi yang dibaca ialah kedudukan: sel yang tepi kirinya berdiri di tempat sama merentas beberapa baris dianggap sebuah jadual. Kaedah ini paling lemah pada sel kosong. Sel kosong tidak meninggalkan kesan dalam fail, jadi baris itu kelihatan kurang satu sel dan segala yang selepasnya teranjak satu.

Sel bercantum juga begitu. Mata anda nampak dua sel bergabung; failnya pula mengandungi satu cebisan teks yang duduk sedikit ke kiri berbanding jirannya.

Tiada alat yang boleh menukar PDF hasil imbasan

PDF yang dihasilkan mesin pengimbas pejabat ialah satu gambar bagi setiap halaman. Mata anda nampak huruf, failnya pula tiada satu pun. Ini bukan batasan alat tetapi ketiadaan pada sumbernya.

Pengecaman aksara optik boleh mencipta teks daripada gambar itu. Tetapi itu pengecaman, bukan pengeluaran, dan ia menyelitkan kesilapan seperti membaca sifar sebagai huruf O. Dalam kontrak atau borang yang perlu diserahkan, kesilapan seperti itu mahal harganya. Meminta fail asal daripada pihak yang mengeluarkannya biasanya lebih pantas.

Ringkasnya

Soalan yang patut ditanya kepada sesebuah penukar bukanlah sejauh mana ia serupa, tetapi sama ada anda boleh menyunting apa yang terhasil. Dan apabila hasilnya tidak sempurna, keupayaan membezakan batasan alat daripada batasan format menyelamatkan anda daripada bertukar alat tanpa guna.