PDF 轉 Word：為什麼版面一定會跑掉

把 PDF 轉成 Word，打開 .docx，版面全垮了：多欄黏在一起、句子中間斷行、字型全變了。這不是轉換工具偷懶，而是大多數 PDF 裡，做出「完美轉換」所需要的資訊根本不在檔案裡。

PDF 不是文件，是一疊印刷指令

PDF 裡沒有「段落」物件，也沒有「表格」物件，只有繪圖指令：在這個座標放上這個字、這裡畫條線、那裡畫個矩形。它描述的是印刷頁面的長相——文件的最終輸出，而不是文件本身。Word 剛好相反：存的是內容與結構，版面是開檔時才計算出來的。

反向轉換是逆向工程，不是翻譯

從 .docx 到 PDF 是確定性的，一個格式直接流入另一個。反過來則是反編譯：拿著一堆定位好的文字，回頭去猜背後的結構。所有轉換器（包括我們的）都是在座標與字級上跑啟發式推斷，多半猜得對，而猜錯的地方，就是你眼睛立刻看到跑版的地方。

具體來說，哪些東西會壞掉

知道 PDF 實際上存了什麼之後，這些失敗都是可預測的：

• 斷行：PDF 逐行儲存文字，段落在哪結束只能靠間距與縮排猜，斷點有時就落在句子中間。
• 多欄：檔案裡沒有閱讀順序，欄位必須從 X 座標推斷；天真的轉換器橫著讀，就把左欄第一行接上右欄第一行。
• 字型：PDF 內嵌的是字型子集，Word 只能換成接近的字型；字寬一不同，每個斷行位置都變，整份文件重排。
• 表格：PDF 裡的表格是格線加各自定位的文字，格線得用推測的，而無框線表格是最難的案例。
• 頁首頁尾：每一頁都以一般文字重複出現，必須先偵測剔除，否則整份文件都是重複殘影。

兩種誠實策略，與一個不誠實的承諾

轉換器可以優先顧「可編輯的文字」：抽出文字層、保留段落順序，接受事後要重新排版——我們的 PDF 轉 Word 走的就是這條路，而且工具頁上明白寫著。也可以優先顧「像」：把每個文字碎片放進絕對定位的文字方塊，頁面確實很像 PDF——直到你想編輯，才發現整份文件是一堆方塊。同時承諾「像素級還原」又「自由編輯」的工具，是在承諾格式本身不允許的事。

掃描版 PDF 是另一個問題

掃描檔裝的是文字的圖片，不是文字層，根本沒有東西可抽。OCR 能把文字重建出來，通常效果不錯，但它有自己的錯認模式（l/1、O/0），在 OCR 結果之上還原版面又更難。誠實的流程：先跑 OCR、檢查辨識結果，再轉換。

實務上怎麼選

要改內容：轉文字層、預期重新排版，仍比重打一遍快。檔案是掃描的：先 OCR 再轉換，數字務必校對。只想要文字、或想餵給 AI 與筆記軟體：純文字與 Markdown 抽取是更直接的路。手上還有原始檔的話，改原始檔再重新匯出 PDF——從文件到 PDF，才是永遠走得通的方向。