Converter PDF em Word

O que converte bem e o que não converte

Um PDF registra glifos em coordenadas. Ele não tem parágrafos e, a menos que alguém o tenha marcado com tags de propósito, nem títulos — então os dois são deduzidos, e não lidos. Palavras na mesma linha de base viram uma linha, um espaço vertical maior começa um parágrafo novo, e uma linha curta com cerca de 1,6 vez o tamanho mediano do corpo de texto vira um Título 1; com 1,3 vez, um Título 2. Vale conhecer essa última regra antes de começar a editar: um documento cujos títulos estão em negrito, mas não são maiores que o corpo de texto, chega como corpo de texto, e o painel de navegação do Word vai ficar vazio.

Os links sobrevivem, o que surpreende as pessoas. Uma anotação de link sobre um trecho de texto vira um hiperlink de verdade no Word, e uma entrada de sumário ou referência cruzada que levava à página doze vira um link interno para um indicador colocado no topo dessa página — então um sumário continua funcionando depois da conversão.

Duas coisas não são lidas de jeito nenhum. As respostas de um formulário PDF preenchido ficam em objetos de campo, e não na página, então no Texto editável elas simplesmente não aparecem; a Aparência exata as mostra, porque fazem parte da imagem da página, mas não como texto editável. Comentários e carimbos são o mesmo tipo de objeto e têm o mesmo destino. E, na Aparência exata, a arte é renderizada uma vez a 144 DPI com o texto real por cima, então um logotipo ou um gráfico que era vetorial no PDF vira uma imagem no .docx, e ampliá-lo deixa isso evidente.

Quando você precisa de outra coisa

Quando o que você quer são as palavras, e não um documento Word, o pdftotext -layout file.pdf do Poppler é mais rápido e mais previsível, mantém as colunas separadas com espaços e é o jeito comum de passar um PDF para qualquer outra coisa. E se o PDF foi feito a partir de um arquivo do Word, peça o .docx a quem o fez: toda conversão de volta é uma reconstrução a partir de coordenadas, e o original é a única cópia que não é.

Tabelas são o ponto fraco de todo conversor de PDF para qualquer coisa, este incluído. Se um documento é quase todo tabelas e os números importam, o Tabula e o Camelot são gratuitos, foram feitos para esse único problema e vão superar um conversor genérico nisso.