PDF in Word, in testo o in Markdown: quale ti serve?

Tutti e tre tirano fuori le parole da un PDF. Cambia quanto della pagina provano a salvare. Word ricostruisce la pagina, il testo semplice tiene solo i caratteri, il Markdown sta nel mezzo. Quello giusto dipende da dove andranno a finire quelle parole.

Word, se devi modificare il documento

PDF in Word ricostruisce ogni pagina in un .docx. Paragrafi, dimensioni dei caratteri, grassetti, immagini e tabelle arrivano più o meno dove erano, quindi è la scelta giusta per aggiornare un contratto, correggere una relazione o riusare la lettera dell'anno scorso cambiando le date.

Si perde invece il significato dietro la formattazione. Un titolo di solito arriva come testo grande in grassetto nello stile Normale, non come Titolo 1, e uno con una riga sotto può perfino diventare una tabella di una cella. Gli elenchi puntati tendono a essere caratteri • digitati, non un vero elenco di Word. La pagina sembra a posto, ma il riquadro di spostamento e il sommario automatico non trovano niente finché non applichi tu gli stili dei titoli. Impaginazioni a due colonne e tabelle complicate vanno controllate con attenzione.

Testo semplice, se ti servono solo le parole

PDF in testo ti dà un unico file .txt con il testo di tutte le pagine e una riga vuota tra una pagina e l'altra. Serve per cercare dentro un documento lungo con un editor di testo, incollare un passaggio in un'email senza trascinarti dietro i caratteri, contare le parole o dare il testo in pasto a uno script.

Tutto l'aspetto visivo sparisce. Immagini e grassetti vengono scartati e le tabelle si appiattiscono in righe di valori separati da spazi: una tabella delle vendite diventa righe come Nord 120 4%, con le intestazioni delle colonne da qualche parte più in alto. Se una cella è vuota non capisci più quale valore va dove. I simboli degli elenchi a volte si staccano dalle loro voci, e una pagina a due colonne può uscire in un ordine inatteso.

Markdown, se un po' di struttura deve restare

Il Markdown è testo semplice con un minimo di marcatura: # per i titoli, - per gli elenchi, barre verticali per le tabelle. Si apre ovunque e si incolla pulito in Obsidian, in un sito di documentazione, in un README o in una chat con un'intelligenza artificiale, quando vuoi che una tabella resti una tabella.

Ecco cosa ottieni davvero dal nostro PDF in Markdown:

• Tabelle: il vero punto di forza. Quando riconosce colonne allineate, scrive una tabella Markdown vera e propria invece di un mucchio di valori.
• Elenchi: quelli numerati conservano i numeri, quelli puntati tengono il carattere •, che quasi tutti gli editor trattano come testo normale.
• Titoli: arrivano come righe qualsiasi. Un PDF non etichetta un titolo come titolo, è solo testo più grande, e il convertitore non tira a indovinare. Aggiungere i # è un ritocco veloce in qualsiasi editor.

Grassetto, corsivo e immagini non passano.

Per decidere in fretta

1. Devi modificare il documento e rimandarlo a qualcuno? Word.
2. Ci sono tabelle, o finirà negli appunti o in un sito di documentazione? Markdown.
3. Tutto il resto, dalle ricerche veloci al copia e incolla: testo.

Con un PDF scansionato serve prima l'OCR

Prova a selezionare una frase nel PDF. Se si evidenzia l'intera pagina come una foto, dentro non c'è ancora testo, solo l'immagine di un testo, e i tre strumenti reagiscono in modo diverso.

• PDF in testo ha la casella Esegui OCR. Spuntala e lo strumento legge prima le immagini delle pagine. È più lento, e le pagine che hanno già testo vero restano come sono.
• PDF in Markdown si ferma con un messaggio che dice che non c'è testo estraibile. Passare prima il file in OCR PDF risolve, anche se il testo riconosciuto può uscire con spazi doppi e qualche riga storpiata.
• PDF in Word ti consegna un documento fatto di immagini delle pagine, senza niente in cui scrivere, e un OCR fatto prima non cambia le cose. Per una scansione modificabile estrai il testo con PDF in testo e l'OCR attivo, poi incollalo in un documento nuovo.

Domande frequenti

Quale conviene per incollare in ChatGPT o in un altro strumento di IA?

Il Markdown, se il PDF ha tabelle: il modello vede quale numero sta in quale colonna. Per un documento tutto discorsivo il testo semplice va altrettanto bene.

Quanto è preciso l'OCR su un documento italiano?

Ha solo i dati per l'inglese, quindi sulle parole italiane le lettere senza accento escono bene e le vocali accentate molto meno: à, è, é, ì, ò e ù possono sparire o cambiare. Rende al meglio su pagine pulite, dritte e ben contrastate, mentre fotocopie sbiadite, scrittura a mano e foto scattate in obliquo producono più errori. Ricontrolla nomi e numeri prima di fidarti.