PDF 转 Word、TXT 还是 Markdown？按用途选

PDF 转 Word、PDF 转文字、PDF 转 Markdown，三个工具都能把 PDF 里的字拿出来。真正的区别是各自想保留多少「版面」：Word 尽量把整页还原，纯文本只留下字，Markdown 介于两者之间。选哪个，取决于这些文字接下来要拿去干什么。

先说结论

• 要在原文档上修改，改完再发给别人：选 Word。
• 内容里有表格，或者要放进笔记软件、文档站：选 Markdown。
• 其他情况，比如全文搜索、复制粘贴、数字数：选纯文本。

PDF 转 Word：要改的是文档本身

PDF 转 Word 会把每一页重建成 .docx。段落、字号、加粗、图片和表格大致都在原来的位置，适合改合同、修订报告，或者把去年那封信换个日期接着用。

丢掉的是格式背后的「身份」。标题到了 Word 里，通常只是「正文」样式下的大号粗体，而不是「标题 1」；下面带一条横线的标题，甚至可能变成只有一个单元格的表格。项目符号多半是直接打出来的 • 字符，不是 Word 真正的列表。页面看着没毛病，可导航窗格和自动目录什么都识别不到，得你自己重新套上标题样式。双栏排版和复杂表格，转完一定要仔细对一遍。

PDF 转文字：只要字，别的都不要

PDF 转文字会输出一个 .txt 文件，所有页的文字都在里面，页与页之间空一行。拿它在文本编辑器里搜一份长文档、把一段话贴进邮件又不想带上原来的字体、统计字数，或者交给脚本处理，都很合适。

视觉上的东西会全部消失。图片和加粗直接丢掉，表格被压平成一行行用空格隔开的数值：一张销售表会变成「华东 120 4%」这样的行，表头孤零零地在上面某处。要是某个单元格是空的，你就分不清哪个数属于哪一列了。项目符号和编号有时会跟内容断开，双栏页面出来的阅读顺序也可能跟你预想的不一样。

PDF 转 Markdown：想留住一点结构

Markdown 就是带少量标记的纯文本：# 表示标题，- 表示列表，竖线 | 用来画表格。任何编辑器都能打开，贴进 Obsidian、文档站、README，或者 AI 对话框里，表格照样是表格。

我们的 PDF 转 Markdown 实际能做到这些：

• 表格：这是最大的好处。只要识别出对齐的列，就会写成规整的 Markdown 表格，而不是一堆挤在一起的数字。
• 列表：编号列表会保留编号；项目符号保留原来的 • 字符，大多数编辑器会把它当成普通文字。
• 标题：出来只是普通的一行字。PDF 并不会标记「这是标题」，它只是字号大一点，转换器也不去猜。自己在编辑器里补上 # 号，过一遍就好。

加粗、斜体和图片都带不过去。

扫描件得先做 OCR

在 PDF 里试着选中一句话。如果整页像一张图片那样被整体选中，说明里面还没有文字，只是一张「字的照片」。三个工具遇到这种文件，反应各不相同：

• PDF 转文字自带「运行 OCR（识别扫描页里的文字）」选项。勾上之后会先识别页面图像，速度慢一些；本来就有真实文字的页面不会重复识别。
• PDF 转 Markdown 会直接报错，提示找不到可提取的文字。先用 PDF OCR 文字识别处理一遍就能转了，只是识别出来的文字可能夹着多余的空格，偶尔还有几行是乱的。
• PDF 转 Word 会给你一份由页面图片拼成的文档，没有一个字能编辑，事先做 OCR 也改变不了这一点。想把扫描件变成能改的文档，就用 PDF 转文字并勾选 OCR，把文字提出来，再贴进新建的 Word 文档。

还有一点对中文用户很关键：我们的 OCR 只识别英文。中文扫描件在这里是认不出来的，需要用支持中文的 OCR 软件。如果你不怕用命令行，可以在自己电脑上装 ocrmypdf 和 Tesseract 的简体中文语言包，运行时加上 -l chi_sim。

常见问题

要把 PDF 贴给 ChatGPT 这类 AI，选哪种格式？

有表格就选 Markdown，模型能看清每个数字在哪一列。通篇都是正文的文档，用纯文本效果也一样。

OCR 识别得准吗？

它只针对英文，干净、端正、对比度高的页面效果最好。复印得很淡的、手写的、用手机斜着拍的，错误都会多一些，人名和数字用之前最好核对一遍。中文扫描件它识别不了。