Um PDF não é um formato para guardar texto, e sim para desenhar uma página. O que há dentro do arquivo é uma longa lista de instruções dizendo "imprima este caractere aqui", e em nenhum lugar fica registrado onde terminava um parágrafo nem que bloco de números era uma tabela. Essa informação é descartada no momento em que um documento é exportado para PDF.
Por isso, isso é uma reconstrução, e não uma conversão. Onde os caracteres ficam, que distância há entre as linhas e que tamanho tem a letra são lidos de trás para frente para deduzir a forma original. Um espaço maior que o normal, ou uma linha que parou muito antes da margem direita, significa que ali terminava um parágrafo. Células cuja margem esquerda coincide ao longo de várias linhas significam uma tabela.
Por ser uma dedução, pode errar. O que ela não faz é inventar um valor que não encontrou. Páginas sem texto são informadas como vazias, e o documento pronto é lido de novo e verificado antes de chegar às suas mãos.