PDF in Word

Come usare lo strumento PDF in Word

Funzioni principali dello strumento PDF in Word

Informazioni sullo strumento PDF in Word

PDF in Word legge il testo di ogni pagina con pdf.js, lo raggruppa in righe in base alla linea di base e mette le parole di ogni riga in ordine da sinistra a destra, qualunque sia l'ordine in cui il PDF le ha disegnate. In una pagina con uno spazio netto tra due colonne, la colonna di sinistra viene letta per prima. Un nuovo paragrafo inizia dove lo spazio tra due righe è nettamente più grande, a una riga rientrata, oppure dopo una riga che si è fermata prima del margine anche se la parola successiva ci sarebbe stata. Le righe brevi che iniziano ciascuna con una maiuscola o una cifra, come un indirizzo, restano separate.

Il rilevamento è euristico, quindi una poesia, una tabella complessa o un'impaginazione insolita possono uscire con le righe unite o divise in modo diverso dall'originale.

Quando usare lo strumento PDF in Word

Un fornitore invia un contratto come PDF e vuole indietro le tue modifiche. Convertilo, apri il .docx, attiva Traccia modifiche e modifica le clausole: i titoli compaiono nel riquadro di spostamento di Word. Tieni l'originale PDF a portata di mano, perché l'impaginazione della pagina non viene riprodotta.

Resta solo il PDF di un vecchio report, un capitolo di tesi o un articolo, e vuoi riutilizzarne i paragrafi in un nuovo documento. Convertilo e copia il testo, applicando lo stile del modello del nuovo file.

Se ti servono solo le parole grezze, per una ricerca, uno script o un conteggio delle parole, lo strumento PDF in testo è più rapido e non ha un passaggio di opzioni. Per una tabella di cifre è più adatto lo strumento PDF in Excel, che mette i valori nelle celle: qui ogni riga della tabella diventa una riga di testo, con tabulazioni negli spazi larghi tra le celle.

Una lettera scansionata o una pagina fotografata non ha un livello di testo, e lo strumento si ferma con un messaggio che lo dice. Passala prima nello strumento OCR PDF, che aggiunge il livello di testo letto da questo strumento. Il testo prodotto dall'OCR esce più semplice: non ha grassetto né corsivo, i punti elenco spesso si perdono, un titolo viene riconosciuto solo a partire da circa una volta e mezza la dimensione del corpo del testo, e un titolo breve sopra due colonne può uscire diviso. In un file che mescola pagine digitate e pagine scansionate, ogni pagina scansionata è contrassegnata da una riga che dice che non ha un livello di testo.

Suggerimenti e risoluzione dei problemi

• «Impossibile convertire in Word: No password given» significa che il PDF richiede una password per essere aperto. Lo strumento non ha un campo per la password: rimuovi la protezione e converti la copia. Le restrizioni di stampa o copia non bloccano la conversione.
• «Impossibile convertire in Word: Invalid PDF structure» significa che il file trascinato non è un PDF. Il trascinamento accetta qualsiasi tipo di file, a differenza della finestra di selezione.
• I punti elenco diventano un elenco puntato di Word, annidato in base al rientro. Le voci numerate mantengono i numeri stampati, con un rientro sporgente, quindi Word non le rinumera. Una riga che inizia con un numero o un trattino, senza una voce di elenco accanto, resta un paragrafo normale.
• Con Inizia ogni pagina del PDF su una nuova pagina di Word attiva, un paragrafo che prosegue oltre la fine di una pagina resta in due parti. Con l'opzione disattivata e intestazioni e piè di pagina esclusi, le due parti vengono unite quando l'ultima riga della pagina arriva al margine destro e la frase continua.
• Escludi intestazioni ricorrenti, piè di pagina e numeri di pagina rimuove solo le righe staccate dal testo vicino al bordo superiore o inferiore: un numero di pagina come 3 o Pagina 3 di 9, oppure la stessa riga, numeri a parte, su tre o più pagine.
• Una parola sillabata a fine riga viene riunita senza il trattino quando la riga successiva inizia con una lettera minuscola. Anche un composto come self-aware, che va a capo sul proprio trattino, lo perde, a meno che il file non contenga altrove la stessa parola con il trattino.
• Le colonne vengono riconosciute solo quando la maggior parte delle righe di ciascun lato riempie la propria colonna; ogni altra pagina viene letta riga per riga, da un lato all'altro. La scheda del risultato non ha il pulsante Anteprima documento, perché qui un .docx non può essere mostrato in anteprima.
• Se ti servono solo titoli e paragrafi per un'app di note o un repository, lo strumento PDF in Markdown produce un file .md dallo stesso livello di testo.
• Non sai se un PDF è una scansione? La guida come rendere ricercabile un PDF scansionato inizia con un controllo rapido, poi mostra come aggiungere il livello di testo che serve a questo convertitore.

Come funziona lo strumento PDF in Word nel tuo browser

pdf.js, eseguito in un worker recuperato da cdnjs.cloudflare.com, restituisce il testo di ogni pagina come run con una posizione, una dimensione e un font. Grassetto e corsivo si ricavano dal nome del font, che pdf.js comunica solo dopo aver stabilito come disegnare una pagina; lo script lo richiede, saltando le immagini, per ogni pagina che usa un font non ancora incontrato. Un intervallo più largo di circa un sesto della dimensione del font diventa uno spazio, quindi una parola disegnata a pezzi resta una parola sola. Le righe in ebraico e in arabo vengono lette da destra a sinistra.

JSZip scrive quindi il pacchetto: [Content_Types].xml, le relazioni, word/document.xml, word/styles.xml con gli stili Normal, Heading da 1 a 3 e List Paragraph, e word/numbering.xml per i punti elenco. I caratteri che XML non ammette, come i codici di controllo, vengono rimossi prima, dato che ne basta uno perché Word rifiuti il file. Il PDF e il testo restano nella memoria della scheda: nessun server li vede.

Domande frequenti