PDF туда и обратно: почему одно направление надёжнее другого
Сохранить документ в PDF получается предсказуемо, а вернуть его в Word — почти никогда. Объясняем, чем PDF отличается от документа и что с этим делать.
Собрать PDF из документа Word легко и почти всегда точно. Разобрать PDF обратно в редактируемый документ — задача, у которой не бывает идеального решения. Разница не в качестве конвертеров, а в устройстве самого формата.
PDF описывает лист, а не документ
В файле Word записано: заголовок первого уровня, абзац, таблица из трёх столбцов, список. В PDF записано другое: строка текста такого-то шрифта в такой-то точке страницы, линия отсюда досюда, картинка вот здесь. Абзацев и таблиц как понятий в PDF нет — есть их изображение, собранное из отдельных фрагментов.
Поэтому экспорт в PDF — простая операция: программа уже знает структуру и просто рисует её на листе. Обратное преобразование — реконструкция: движок смотрит на координаты фрагментов и угадывает, где заканчивается абзац и начинается ячейка таблицы.
Что угадывается хорошо, а что плохо
Одноколоночный текст с обычными отступами собирается почти безупречно: договор, резюме, статья, служебная записка. Хуже — таблицы без линеек: границы столбцов приходится определять по расстояниям между значениями, и объединённая ячейка сбивает счёт. Совсем плохо — журнальная вёрстка в несколько колонок с врезками: порядок чтения в такой странице не записан нигде.
Отдельная история — сканы. Отсканированный документ выглядит как текст, но текстом не является: внутри лежат фотографии страниц. Извлекать из них нечего, а распознавание — это отдельная процедура, которой в конвертере нет. Проверить просто: попробуйте выделить строку в PDF мышью.
Как этим пользоваться
Если документ ещё будет меняться, храните исходник и пересобирайте PDF заново — это занимает те же несколько секунд. Обратное преобразование стоит рассматривать как способ не набирать текст заново, а не как способ получить готовый документ: вычитка после него нужна всегда.
Когда из PDF нужны только данные, часто короче другой путь. Таблицу проще вытащить в CSV и разложить по столбцам вручную, чем чинить сложную книгу Excel. Страницу для презентации — сохранить картинкой, а не пытаться перенести вёрстку.