掃描版 PDF 轉 Word：為什麼格式會跑掉

掃描版 PDF 裡並沒有藏著一份等你拆開的 Word 檔。它是一疊頁面照片，想要編輯，得先有東西把圖片上的字讀出來，再猜段落、欄位和表格原本該在哪裡。格式就是在這一步跑掉的，所以處理掃描檔之前，最好先想清楚要走哪條路。

先確認手上是哪一種 PDF

在 PDF 檢視器裡試著選取一句話。如果可以一個字一個字反白、複製出來也正常，代表檔案已經有文字層，PDF 轉 Word 能把它重建成可編輯的文件。如果一拖就整頁反白，像在選一張圖片，那就是掃描檔，下面的內容就是寫給你的。

我們的 PDF 轉 Word 碰到掃描檔會怎樣

把掃描檔直接丟進 PDF 轉 Word，拿到的 .docx 裡每一頁都是一張圖片。看起來沒問題，卻沒有一個字能改。先跑一次 OCR 也沒用：OCR 是在每頁後面加一層看不見的文字，而 Word 轉換器會忽略這層隱藏文字。所以掃描檔就別走 PDF 轉 Word 了，改用下面的方法。

掃描檔真正行得通的做法

1. 需要把文字放進 Word：用 PDF 轉文字，勾選「執行 OCR」。你會拿到一份含辨識結果的 .txt，貼進新的 Word 文件後再自己排版。標題和表格要重新整理，但至少不用從頭打字。
2. 只需要搜尋和複製：做完 PDF OCR 就可以收工了。頁面外觀完全不變，字也能選取了。
3. 內容主要是數字表格：先跑 PDF OCR，再用 PDF 轉 Excel。表格擷取讀得到 OCR 文字層，但欄位要仔細看，相鄰的儲存格有時會被併在一起。

不管走哪條路，版面都會亂

OCR 認得出字元，卻不知道頁面當初是怎麼設計的。掃描太淡，8 可能被認成 3；兩欄的內容可能被橫著一口氣讀過去；表格可能變成一串用空白隔開的數值；手寫字更是靠不住。

還有一點要先講明：我們的 OCR 只辨識英文，重音字母常會出錯，中文、日文、韓文這類文字則完全認不出來。中文掃描檔可以在自己的電腦上安裝 ocrmypdf 和 Tesseract 的繁體中文語言套件，用 -l chi_tra+eng 來辨識。

• 清楚、擺正、對比高的掃描檔，OCR 的成功率最高。
• 表格和多欄頁面最需要仔細檢查。
• 印章和手寫註記，在需要精確的地方要一個字一個字核對。

換一份好的來源，勝過事後怎麼修

如果紙本原稿還在，就把它擺正重掃一次，解析度約 300 DPI，畫面裡不要有手指、陰影或折起來的角。如果 PDF 是從公司系統匯出的，直接跟對方要原始的電子檔或來源文件。真正的電子版 PDF 用 PDF 轉 Word 就能正常轉換，拿到一份乾淨的原檔，比花一小時修格式省事得多。

常見問題

為什麼轉出來的 Word 檔裡只有頁面圖片？

因為那份 PDF 是掃描檔。轉換器找不到真實的文字可以重建，只好把每一頁當成圖片放進去。請用 PDF 轉文字並開啟 OCR 把字抽出來，再貼進 Word。

掃描檔很模糊，多轉幾次會變清楚嗎？

不會。重複轉換補不回掃描時就沒拍到的細節。能的話把原稿掃清楚一點，再跑一次 OCR 就好。