PDF in Word umwandeln

Was sich sauber umwandeln lässt und was nicht

Ein PDF speichert Glyphen an Koordinaten. Es hat keine Absätze und, sofern es nicht jemand bewusst getaggt hat, keine Überschriften – beides wird also erschlossen, nicht gelesen. Wörter auf einer gemeinsamen Grundlinie werden zu einer Zeile, ein größer werdender vertikaler Abstand beginnt einen neuen Absatz, und eine kurze Zeile, die etwa 1,6-mal so groß wie der mittlere Fließtext des Dokuments gesetzt ist, wird zu Überschrift 1, bei 1,3-mal zu Überschrift 2. Diese letzte Regel sollten Sie kennen, bevor Sie mit dem Bearbeiten beginnen: Ein Dokument, dessen Überschriften fett, aber nicht größer als der Fließtext sind, kommt als Fließtext an, und der Navigationsbereich von Word bleibt leer.

Links bleiben erhalten, was viele überrascht. Eine Link-Anmerkung über einem Textstück wird zu einem echten Word-Hyperlink, und ein Inhaltsverzeichniseintrag oder Querverweis, der auf Seite zwölf sprang, wird zu einem internen Link auf ein Lesezeichen am Anfang dieser Seite – ein Inhaltsverzeichnis funktioniert also auch nach der Umwandlung.

Zwei Dinge werden gar nicht gelesen. Die Antworten in einem ausgefüllten PDF-Formular stecken in Feldobjekten statt in der Seite, sind in „Bearbeitbarer Text“ also schlicht nicht vorhanden; „Exaktes Aussehen“ zeigt sie, weil sie Teil des Seitenbilds sind, aber nicht als bearbeitbaren Text. Kommentare und Stempel sind dieselbe Art Objekt und ergeht es genauso. Und in „Exaktes Aussehen“ wird die Grafik einmal mit 144 DPI gerendert und der echte Text darübergelegt, sodass ein Logo oder Diagramm, das im PDF ein Vektor war, in der .docx ein Bild ist – beim Vergrößern sieht man das.

Wenn Sie etwas anderes brauchen

Wenn Sie eher die Wörter als ein Word-Dokument brauchen, ist pdftotext -layout file.pdf aus Poppler schneller und berechenbarer, hält Spalten mit Leerzeichen auseinander und ist der übliche Weg, ein PDF in etwas anderes einzuspeisen. Und wenn das PDF ursprünglich aus einer Word-Datei erstellt wurde, fragen Sie den Ersteller nach der .docx: Jede Rückumwandlung ist eine Rekonstruktion aus Koordinaten, und das Original ist die einzige Fassung, die das nicht ist.

Tabellen sind die Schwachstelle jedes Konverters von PDF in irgendetwas, auch dieses hier. Besteht ein Dokument überwiegend aus Tabellen und kommt es auf die Zahlen an, sind Tabula und Camelot kostenlos, genau für dieses eine Problem gebaut und schlagen dabei jeden allgemeinen Konverter.