PDF 轉 Word、純文字還是 Markdown？怎麼選

PDF 轉 Word、PDF 轉文字、PDF 轉 Markdown，這三個工具都能把 PDF 裡的字拿出來。差別在於各自想保留多少版面：Word 盡量把整頁重建，純文字只留下字本身，Markdown 則介於兩者之間。要選哪一個，看這些文字接下來要拿去做什麼。

懶得看全文的話

• 要直接修改原本的文件，改完再寄出去：選 Word。
• 內容有表格，或是要放進筆記軟體、文件網站：選 Markdown。
• 其他情況，例如全文搜尋、複製貼上、算字數：選純文字。

PDF 轉 Word：你要改的是文件本身

PDF 轉 Word 會把每一頁重建成 .docx。段落、字級、粗體、圖片和表格大致都會留在原本的位置，適合改合約、修正報告，或把去年那封信換個日期再用一次。

少掉的是格式背後的意義。標題到了 Word 裡，通常只是「內文」樣式的大號粗體字，而不是「標題 1」；底下有一條線的標題，甚至可能變成只有一格的表格。項目符號多半是直接打出來的 • 字元，不是 Word 真正的清單。頁面看起來沒問題，但功能窗格和自動目錄什麼都抓不到，要你自己重新套標題樣式。雙欄版面和複雜的表格，轉完最好仔細對一次。

PDF 轉文字：只要字就好

PDF 轉文字會產生一個 .txt 檔，所有頁面的文字都在裡面，頁與頁之間空一行。想在文字編輯器裡搜尋一份很長的文件、把一段話貼進 Email 又不想連字型一起帶過去、算字數，或是丟給程式處理，用它最省事。

視覺上的東西全部會消失。圖片和粗體直接不見，表格被壓成一行行用空格隔開的數值，一張業績表會變成「北區 120 4%」這樣的內容，表頭孤零零地留在上面某處。如果有儲存格是空的，就分不出哪個數字屬於哪一欄。項目符號和編號有時會跟內容分開，雙欄頁面的閱讀順序也可能跟你想的不一樣。

PDF 轉 Markdown：想留住一點結構

Markdown 就是加了少量標記的純文字：# 代表標題，- 代表清單，直線 | 用來畫表格。任何編輯器都打得開，貼進 Obsidian、文件網站、README 或 AI 對話框，表格還是表格。

我們的 PDF 轉 Markdown 實際上能做到的是：

• 表格：最大的好處就在這裡。只要偵測到對齊的欄位，就會輸出成正規的 Markdown 表格，而不是一堆擠在一起的數字。
• 清單：編號清單會保留編號；項目符號則保留原本的 • 字元，大部分編輯器會把它當一般文字。
• 標題：出來只是普通的一行字。PDF 不會標示「這是標題」，只是字比較大，轉換器也不去猜。在編輯器裡自己補上 # 號，很快就能處理完。

粗體、斜體和圖片都不會保留。

掃描檔要先做 OCR

先試著在 PDF 裡選取一句話。如果整頁像圖片一樣被整塊選起來，代表裡面還沒有文字，只是一張「字的照片」。三個工具碰到這種檔案，反應都不一樣：

• PDF 轉文字有「執行 OCR（辨識掃描頁裡的文字）」這個選項。勾選後會先辨識頁面影像，速度比較慢；本來就有文字的頁面不會重複辨識。
• PDF 轉 Markdown 會直接停下來，告訴你找不到可擷取的文字。先用 PDF OCR 文字辨識處理過就能轉，只是辨識出的文字可能夾著多餘的空格，偶爾也會有幾行亂掉。
• PDF 轉 Word 會給你一份由頁面圖片組成的文件，沒有一個字能編輯，事先做 OCR 也一樣。想把掃描檔變成能改的文件，請用 PDF 轉文字並勾選 OCR，把文字抽出來，再貼進新的 Word 文件。

另外要特別說明：我們的 OCR 只認得英文，中文掃描檔在這裡辨識不出來。如果你不排斥命令列，可以在自己的電腦裝 ocrmypdf 和 Tesseract 的繁體中文語言套件，執行時加上 -l chi_tra；中英混合的文件用 -l chi_tra+eng。

常見問題

要把 PDF 丟給 ChatGPT 之類的 AI，用哪種格式最好？

有表格就選 Markdown，模型才看得出每個數字在哪一欄。整份都是內文的話，純文字效果也差不多。

OCR 辨識得準嗎？

它只辨識英文，乾淨、擺正、對比清楚的頁面效果最好。影印得很淡的、手寫的、用手機斜斜拍的，錯字都會變多，人名和數字用之前記得核對。中文掃描檔則是完全辨識不了。