PDF в Word

Что реально делает конвертер PDF в Word

Конвертер PDF в Word вытаскивает выделяемый текст из PDF и упаковывает его в редактируемый .docx. Открой в Microsoft Word, Google Docs, LibreOffice Writer или Apple Pages и начинай редактировать. Извлечение текста работает на PDF.js от Mozilla — той же библиотеке, что Firefox использует для нативного рендера PDF, — а .docx пишется библиотекой `docx` в браузере. PDF не загружается.

Будем честны сразу: это конверсия только текста. Вёрстка, таблицы, картинки, встроенные шрифты, колонки, привязка к странице, точно подобранные поля оригинала — ничего этого не переживает. На выходе слова PDF в абзацах, в порядке чтения, готовые к редактированию. Если нужен Word-документ, открывающийся как оригинальный PDF (сохранённые таблицы, картинки, колонки, шрифты), нужен Adobe Acrobat Pro, у которого серверный движок восстановления оттачивается два десятилетия и стоит около $20/мес. Мы не пытаемся с этим конкурировать. Мы закрываем случай, когда нужно просто отредактировать слова — поменять имя, обновить дату, поправить абзац, отправить исправленную версию — и не нужно повторять оригинальный дизайн. Это частый случай, и для него этот инструмент правильный.

Как пользоваться

Один экран, один файл, один клик. Всё работает локально.

1. Брось или выбери PDF. До 100 МБ и 500 страниц.
2. Прочитай жёлтое предупреждение — это конверсия только текста. Если нужно сохранение таблиц, картинок или вёрстки, это не тот инструмент; используй Adobe Acrobat Pro.
3. Нажми «Конвертировать в Word». Инструмент читает каждую страницу, восстанавливает разрывы строк из вёрстки и пишет текст в .docx — один абзац на визуальную строку и пустая строка между страницами.
4. Скачай .docx с именем по исходному PDF (например, report.pdf → report.docx). Открой в Word, Google Docs, LibreOffice или Pages и редактируй как обычно.

Открой вкладку Network в браузере во время конвертации: после загрузки самой страницы вкладка молчит. PDF.js читает байты локально. Библиотека docx пишет файл Word локально. Скачивание идёт через blob-URL. PDF не покидает машину.

Разбор примера с реальными цифрами

Возьмём реальный случай: 12-страничный договор в PDF, 240 КБ, изначально экспортированный из Microsoft Word (то есть текст встроен, не сканирован). Две колонки юридического текста на страницу, подвал с номерами страниц, без картинок, несколько пунктов жирным.

Конверсия занимает около 1,4 секунды. На выходе .docx 28 КБ, чисто открывается в Word. Текст весь на месте — абзац к абзацу, в порядке чтения. Двухколонная вёрстка исчезла (в .docx одна колонка). Жирное форматирование исчезло (мы извлекаем только текст, не стили). Номера страниц в подвале смешались с основным текстом на границе между страницами. Проблема «жирный текст становится обычным» означает, что визуальные акценты потеряны; можно вручную выделить ключевые пункты, когда документ открыт в Word.

Итог: пригодно. Договор, который можно редактировать. Можно поменять название стороны, обновить дату вступления в силу, переписать пункт, принять отслеженные правки от кого-то, потом экспортировать обратно в PDF из Word. Двухколонная вёрстка не важна, когда документ редактируемый, — Word раскладывает его так, как хочет Word.

Переверни вход: 50-страничный отсканированный PDF технического руководства 1970-х. Кнопка конвертации срабатывает, потом возвращает почти пустой .docx. У PDF нет встроенного текста — это стопка картинок страниц — поэтому извлекателю нечего извлекать. Правильный инструмент здесь — OCR. Прогони скан сначала через наш OCR PDF, потом принеси полученный текст в Word.

Почему вёрстка не сохраняется

Настоящая конверсия PDF в Word с сохранением вёрстки — действительно сложная задача. PDF хранит текст как поток позиционированных глифов — у каждого символа есть (x, y), ссылка на шрифт и индекс глифа. Нет маркера «это заголовок», «это строка таблицы», «это сноска». Конвертер, который хочет написать верный Word-документ, должен вывести всю эту структуру из позиций: распознать, какие глифы образуют заголовок по размеру и весу, какие строки образуют таблицу по сеточному шаблону позиций, какое содержимое — врезка, где границы колонок, где подписи. Это сложная ML-задача и глубокая эргономическая задача.

Adobe Acrobat Pro делает это хорошо, потому что Adobe оттачивает свой движок восстановления с конца 1990-х, обучая его на корпусе миллионов документов, со стеком эвристик, которых большинство из нас никогда не видит. У них таблицы возвращаются как таблицы, картинки как картинки, колонки как колонки. Стоит $20/мес, если работа — каждый день перемещать документы между PDF и Word.

Открытые клиентские библиотеки так не могут. Либо выдают ломаный выход на реальных PDF (эвристики падают неожиданным образом), либо вообще отказываются от вёрстки и просто отдают текст. Большинство «бесплатных PDF в Word» в интернете — iLovePDF, SmallPDF, Smallpdf снова под другим брендом, online2pdf, freepdfconvert.com — выбирают третий путь: загружают PDF на свой сервер, гоняют коммерческий движок, возвращают .docx. Результат ближе к качеству Acrobat. Цена: файл живёт на их сервере какое-то время хранения, бесплатный тариф быстро упирается в лимит, а платный воронкой ведёт к подписке $5–15/мес.

Мы выбрали иначе: извлекать чистый текст, писать валидный .docx, честно говорить, что получаешь. Для случая, когда нужно отредактировать слова — самой частой причины открывать такие инструменты — это правильная сделка.

Как это сравнивается с Adobe Acrobat, SmallPDF, iLovePDF

В этом рынке три уровня; правильный уровень экономит головную боль.

Выбирай по нужной сделке. Приватность в первую очередь → наш инструмент, принимая потерю вёрстки. Верность в первую очередь → Acrobat Pro на десктопе или один из сервисов с загрузкой. Бесплатно-и-достаточно-хорошо для простых PDF → Google Docs, если ОК с тем, что данные уйдут в Google.

Что получаешь и что теряешь

Знать инвентарь заранее предотвращает разочарование.

Что проходит:

• Основной текст. Каждый выделяемый глиф PDF, примерно в порядке чтения, организованный в абзацы по визуальным разрывам строк.
• Структура абзацев. Пустая строка между страницами, разрывы строк там, где они в PDF, пробеги текста сгруппированы там, где y-координата согласована.
• Unicode. Акцентированные символы, кириллица, греческий, частые математические символы, эмодзи — всё, что PDF хранил как Unicode-глиф, попадает в .docx как нужные символы.
• Порядок чтения, в основном. Одноколонные документы выходят чисто. Двухколонные иногда переплетают колонки; придётся поправлять вручную в Word.

Что выпадает:

• Таблицы. Текст внутри ячеек таблицы появляется в .docx как обычные абзацы примерно в порядке чтения, не как таблица Word. Восстановление сетки ячеек потребовало бы распознавать структуру таблицы по позициям линий — вне охвата инструмента, ориентированного на верность текста.
• Картинки. Полностью пропускаются. Если нужны, наш «Извлечь картинки из PDF» вытащит их как отдельные файлы для вставки в Word вручную.
• Форматирование. Жирный, курсив, размеры шрифтов, цвета, стили — всё убирается. .docx — простой текст. Переформатируй вручную в Word, что нужно.
• Колонки. Многоколонная вёрстка схлопывается в одну колонку.
• Заголовки, подвалы, номера страниц. Часто смешиваются с основным текстом на границах страниц, потому что PDF.js не помечает их отдельно.
• Сноски. Приземляются в основной текст рядом с тем местом, где они на странице, не внизу страницы в панели сносок Word.
• Гиперссылки. Текст ссылки проходит как обычный текст; подразумеваемый URL выпадает.

Простой тест: если цель «хочу отредактировать слова», это правильный инструмент. Если цель «хочу Word-документ, открывающийся как PDF», — нет.

Проблема двух колонок и как её исправить

Самая частая жалоба на извлечение текста из реальных PDF — переплетение колонок. Академические статьи, журнальные статьи, газеты, юридические документы — всё, что в две или три колонки — может выходить с чередованием строк: строка 1 колонки 1, строка 1 колонки 2, строка 2 колонки 1, строка 2 колонки 2. Нечитаемо.

Это происходит, потому что PDF.js возвращает текстовые элементы в порядке источника — примерно сверху вниз, слева направо в пределах малой y-толерантности — а у двухколонной вёрстки строки на одной y-координате в обеих колонках. Без детекции колонок (шаг восстановления вёрстки, который мы не делаем) экстрактор читает их как одну строку, пересекающую границу колонки.

Три исправления, по нарастанию усилий:

1. Сначала попробуй конверсию. Некоторые PDF кодируют границы колонок достаточно чисто, чтобы y-толерантность разделяла колонки естественно. Может выйти чисто без действий.
2. Если колонки переплелись, разбей PDF. Используй наш Split PDF, чтобы вытащить одну страницу, потом обрежь её до одной колонки до конвертации. Утомительно для длинных документов, но надёжно.
3. Бери инструмент с восстановлением вёрстки. Для тяжёлых документов с колонками Adobe Acrobat Pro или один из серверных сервисов распознает колонки правильно. Цена — загрузка, стоимость или и то и другое.

Когда этот инструмент правильный, а когда нет

Правильные случаи:

• Нужно отредактировать слова. Договор со сменой имени. Статья, которую хочется переписать. Отчёт, который нужно обновить до отправки.
• Одноколонный основной текст. Меморандумы, письма, статьи, договоры, электронные книги — большинство «текст-формы» PDF выходят чисто.
• Чувствительные документы. Что-то, что дважды подумаешь перед загрузкой: юридическое, медицинское, финансовое, личное. Конверсия работает в браузере; ничего не покидает машину.
• Длинные PDF. Лимит в 500 страниц щедрый, потому что извлечение текста дешёвое. Большинство онлайн-сервисов ставит лимит 25–50 страниц на бесплатном тарифе.

Неправильные случаи:

• Нужно, чтобы PDF выглядел так же в Word. Бери Acrobat Pro или серверный сервис. Мы это говорим сразу — нет смысла притворяться.
• PDF в основном таблицы. Финансовая отчётность, счета, структурированные данные — попробуй наш PDF в Excel или используй Acrobat Pro.
• PDF — скан. Без выделяемого текста извлекать нечего. Прогони через OCR PDF, чтобы получить текст в пригодной форме.
• Нужны картинки. Бери «Извлечь картинки из PDF», потом вставь в Word вручную.

Похожие PDF-инструменты

PDF в Word — одна плитка в стопке браузерных PDF-инструментов:

• Word в PDF — обратное направление. Работает в том же браузерном режиме.
• Извлечь текст из PDF — тот же шаг извлечения, выход обычным .txt. Бери, если не нужна обёртка .docx.
• PDF в Excel — вытаскивает табличные данные из PDF. Правильный инструмент, когда PDF в основном таблицы.
• OCR PDF — для отсканированных PDF без выделяемого текста. Распознаёт слова из пикселей через Tesseract.
• Извлечь картинки из PDF — достаёт встроенные картинки как отдельные файлы. Пары с этим инструментом, чтобы восстановить и текст, и картинки.
• Разделить PDF — разбить длинный PDF на куски до конвертации.

Microapp шипит каждый PDF-инструмент в браузере, с прописанными на каждой странице компромиссами. 10% от каждого доллара выручки Microapp идут на благотворительность — сверху, с аудитом раз в квартал — поэтому инструменты должны делать честную работу, и мы говорим, когда этот инструмент не тот.

Частые вопросы

Почему вёрстка не сохраняется?

Настоящая конверсия PDF → Word с сохранением вёрстки — действительно сложная задача: конвертер должен распознать заголовки, абзацы, колонки, таблицы, списки и расстановку картинок из потока позиционированных глифов без семантической структуры. Adobe Acrobat Pro делает это хорошо, потому что у них серверный движок восстановления, обученный на миллионах документов. Открытые клиентские библиотеки так не могут — каждая честная попытка либо даёт ломаный выход на реальных PDF, либо требует загрузки в облако. Мы выбрали ни то ни другое: извлекаем чистый текст, упаковываем в валидный .docx и честно сообщаем, что ты получаешь. Это правильная сделка для «нужно просто отредактировать слова».

А таблицы — пройдут?

Нет. Таблицы в PDF не хранятся как таблицы — это сетка из независимо позиционированных текстовых пробегов и нарисованных линий. Чтобы восстановить таблицу, нужно распознать сетку ячеек по позициям линий и сгруппировать текст — ровно то восстановление вёрстки, которое инструмент намеренно не делает. Текст ячеек появится в .docx, но как обычные абзацы примерно в порядке чтения, не как таблица Word. Если PDF в основном таблицы (финансовая отчётность, счёт), бери специализированный PDF в Excel или Adobe Acrobat Pro.

Картинки проходят?

Нет. Встроенные в PDF картинки полностью пропускаются. Проход извлечения читает только глифы, а запись картинок в .docx требует перекодирования и расчёта координат расстановки, совпадающих с исходной страницей — вне охвата инструмента, ориентированного на верность текста. Если нужны картинки, достань их отдельно нашими PDF в PNG или PDF в JPG и вставь в Word вручную.

Чем это отличается от Adobe Acrobat Pro?

Acrobat Pro гоняет полный конвейер восстановления документа: распознаёт заголовки, абзацы, колонки, списки, таблицы и регионы картинок, потом пишет Word-документ, визуально похожий на исходный PDF. Это индустриальный стандарт для такой задачи, стоит ~$20/мес. Мы не пытаемся конкурировать по верности — мы закрываем случай, где не нужна визуальная верность, нужен только редактируемый текст. Если выход «должен выглядеть как исходный PDF, когда переоткрыт в Word», бери Acrobat Pro. Если выход «должен содержать текст из PDF, чтобы я мог редактировать в Word», бери этот.

Мой PDF правда не загружается?

Верно. Обе стадии работают в браузере. PDF.js (та же библиотека, что рендерит PDF внутри Firefox) извлекает текст, а docx собирает файл Word в памяти браузера. Байты не покидают машину. Проверь вкладку Network во время конвертации: ноль исходящих запросов после загрузки самой страницы.

Работает ли на отсканированных PDF?

Нет — и мы это чётко говорим, когда не работает. Отсканированные PDF — это картинки текста, а не выделяемый текст. Чтобы достать слова из скана, нужен OCR (Optical Character Recognition) — другая операция. Этот инструмент извлекает текст, который уже в PDF. Для сканов сначала прогони PDF через OCR (Adobe Acrobat, macOS Preview, Tesseract или один из бесплатных онлайн-OCR), сохрани результат, потом гоняй через нас.

Можно ли конвертировать PDF под паролем?

Нет — PDF.js отказывается открывать зашифрованные PDF. Сними защиту в десктопном просмотрщике (Adobe Acrobat: «Файл → Свойства → Защита → Сохранить как» незашифрованную копию; или macOS Preview: «Файл → Экспорт → снять Encrypt») и гоняй разблокированную копию.

Какой максимальный размер или число страниц?

100 МБ и 500 страниц на PDF. Извлечение текста быстрее полного рендера страниц, так что лимит щедрый. Для многотысячных документов (юридическое раскрытие, большие рукописи) сначала разбей PDF нашим Split PDF и конвертируй кусками.

Почему странные разрывы строк?

PDF.js возвращает текстовые элементы в порядке источника с x/y-координатами; мы вставляем разрыв строки, когда y-координата прыгает. Большинство PDF выходят чисто, но двухколонные документы переплетают колонки, а у некоторых PDF необычное позиционирование даёт лишние разрывы посреди абзаца. Когда .docx открыт в Word, используй «Найти и заменить» для чистки: замени ^p (знак абзаца) на пробел, потом расставь абзацы вручную. Всё равно быстрее, чем перепечатывать.