當原始文件是英文且採用簡單的從左到右、從上到下的閱讀順序時，將 PDF 轉換為 Word 就足夠具有挑戰性了。當來源文件為阿拉伯語、希伯來語、波斯語或烏爾都語時，轉換還必須正確確定文本從右到左流動、RTL 文本中的數字從左到右書寫以及整體頁面佈局從右側開始。大多數 PDF 到 Word 轉換器主要針對 LTR 文件進行設計和測試，其在 RTL 內容上的效能從不完美到完全無法使用。
PDF 格式沒有明確地將閱讀順序儲存為文字的屬性。它將單一文字運行儲存為頁面上的定位字形。對於 LTR 文本，轉換器可以合理地假設文本從左到右、從上到下閱讀，因為這與物理佈局相符。對於 RTL 文本，這個假設是完全錯誤的。在頁面上從右向左閱讀的一行阿拉伯文本將被假定 LTR 順序的轉換器反轉，產生每行向後拼寫的輸出。這不是一個小格式問題。對於講阿拉伯語的人來說，阿拉伯語的反行是無法閱讀的。
2025 年對多種語言的 PDF 到文本提取準確性的研究發現，在同一組轉換工具中，RTL 提取錯誤率比 LTR 提取錯誤率高 3.6 倍，其中詞序反轉是最常見的錯誤類型（計算語言研究所，“多語言 PDF 文本提取準確性”，2025 年）。研究也發現這些錯誤不是隨機的。特定工具始終正確地處理 RTL 或產生系統性反向輸出，這意味著為 RTL 轉換選擇正確的工具比調整轉換設定更重要，並且切換工具可以修復似乎無可救藥地損壞的轉換。
PDF 如何儲存 RTL 文字以及簡單提取失敗的原因
在 PDF 中，文字儲存為一系列字形索引和定位命令。對於每個文字運行，PDF 指定字體、字元的字形代碼以及頁面上每個字形的 X 和 Y 座標。沒有明確的標誌表明“此文本是阿拉伯語”。或「此行從右向左讀取。」PDF 轉換器 必須從 Unicode 字元代碼推斷文字方向，這些代碼透過 Unicode 雙向演算法對方向性進行編碼。阿拉伯語和希伯來語字元具有固有的 RTL 方向，並且 Unicode 演算法指定如何重新排序 RTL 和 LTR 字元的混合序列以進行顯示。
問題在於 PDF 中字形的原始提取順序可能與原始文字中字元的邏輯順序不符。 PDF 編寫器可以自由地將字形以任何順序放置在頁面上，而某些編寫器軟體會將 RTL 字形從左到右放置在內容流中，即使閱讀順序是從右到左。按提取順序連接字形的轉換器將產生正確或向後讀取的文本，具體取決於原始 PDF 編寫器選擇對文字進行編碼的方式。同一個阿拉伯語文檔，當從兩個不同的文字處理器列印為 PDF 時，可以產生具有不同字形順序的內容流，並且對一個文檔完美工作的轉換器可能會為另一個文檔產生相反的文字。
Unicode 標準附件 9 中指定的 Unicode 雙向演算法定義如何將具有混合方向性的字元序列重新排序以進行顯示。正確實作此演算法的轉換器可以正確處理大多數 RTL 文本，無論 PDF 內容流程中的字形順序為何。然而，實施品質各不相同。該演算法可以很好地處理常見情況，但也有邊緣情況，涉及嵌套方向覆蓋、方向邊界標點符號以及混合腳本文字（例如阿拉伯語句子中的英語技術術語）。
選擇處理 RTL 讀取順序的轉換器
RTL 文件最可靠的轉換器是在文字擷取期間實作 Unicode 雙向演算法的轉換器。 Adobe Acrobat Pro 和幾個開源程式庫（包括 Apache PDFBox 和 pdfplumber）在不同程度上支援該演算法。在提交 RTL 文件批次的轉換器之前，請使用單一代表性頁面對其進行測試。將文字提取到 Word 並逐字比較輸出與原始 PDF。檢查句子中的詞序是否顛倒、RTL 文本中數字的正確位置以及混合的 LTR/RTL 序列（例如阿拉伯語段落中的英文公司名稱）。
如果您的轉換器始終反轉 RTL 文本，有時可以透過使用經過中間格式的轉換路徑來解決該問題。使用正確處理 RTL 的工具將 PDF 轉換為 HTML 或標記文字格式。然後將中間格式匯入到Word中。這個兩步驟過程不如直接 PDF 到 Word 轉換方便，但當直接路徑產生反向文字時，間接路徑是獲得可用輸出的唯一自動路徑。
WukongPDF 支援 RTL 感知轉換，當來源文件的元資料指示 RTL 語言時，該轉換會自動套用正確的閱讀方向和文字對齊方式。此轉換器可偵測文件的主要腳本，並在文字擷取過程中套用適當的方向規則，產生具有正確段落方向、文字對齊和字元順序的 Word 文件。
使用 RTL 文件保留頁面佈局結構
閱讀順序影響的不僅是文字。 RTL 文件的整個頁面佈局相對於 LTR 文件是鏡像的。阿拉伯語書籍的第一頁就是英語讀者認為的最後一頁。表格從右向左排列。列表在右側縮排。裝訂邊距位於右側頁面的右側。正確處理文字方向但不調整佈局結構的轉換將產生一個 Word 文檔，其中文字讀取正確，但所有內容的位置都像 LTR 文檔一樣，其中左對齊段落和左縮排列表對於 RTL 讀者來說看起來是錯誤的。
當 PDF 到 Word 的轉換用於編輯和重新匯出時，保留PDF 格式佈局不太重要，因為編輯器將調整結構。當轉換用於存檔或參考目的時，Word 文件在視覺上應與原始 PDF 相匹配，因此佈局保留更為重要。在這些情況下，請選擇一個能夠保留原始文字方塊定位、列佈局和邊距對齊的轉換器。轉換後，手動驗證每個頁面上的文字方向是否正確。檢查阿拉伯語和希伯來文字的段落對齊方式是否設定為右對齊，而不是預設的左對齊。驗證所有表格的欄位是否依照從右到左的正確順序排列。這些手動檢查會發現自動轉換無法偵測到的問題，因為轉換器不理解內容的語意。