將多列 PDF 版面配置轉換為 Word 通常會產生一個文檔，其中來自不同列的文字在單一流中混合在一起。一篇兩欄的研究論文變成了一個又長又亂的段落。三欄的時事通訊變得難以閱讀。在PDF 到Word 轉換過程中保留列結構需要識別和維護原始佈局幾何形狀的轉換設置，將每一列視為獨立的文本流而不是將它們合併為一個。
要點
PDF 到 Word 轉換工具透過分析每個頁面上文字的空間排列來處理多列佈局。支援列偵測的工具可識別文字區塊之間的間隙並重建列閱讀順序。不同轉換工具的色譜柱保存品質差異很大。具有簡單兩列佈局的文件可以很好地使用大多數工具進行轉換。具有複雜雜誌風格佈局且文字和圖像重疊的文件可能需要在轉換後進行手動清理。
PDF 轉換期間列檢測的工作原理
原始 PDF 中的字體大小和行距會影響列檢測的準確性。文字非常小的文件（例如 8 點財務表格）對偵測演算法提出了挑戰，因為列之間的空白按比例較小。如果原始文件允許，在建立 PDF 之前增加字體大小或列間距可以改善轉換結果。對於來源文件不可用的現有 PDF，請接受小文本多列佈局將需要更多手動清理的事實。
支援列檢測的PDF轉換器可分析每個頁面上文字區塊的水平位置。共享相同左邊緣且寬度一致的文字區塊將分組為一列。然後轉換器從上到下讀取每一列，然後再移動到下一列。這會產生一個 Word 文檔，其中每一列的文字都位於單獨的文字流中，Word 將其表示為連結的文字方塊或每個 PDF 列一列的表格。
檢測演算法依賴於一致的列寬和列之間的清晰間隙。列之間有 2 毫米間隙的文件對演算法提出了挑戰，因為如此窄的間隙可能被解釋為正常的字間距而不是列邊界。具有不等寬度的列的文件（例如寬的主列和窄的側邊欄）也會對演算法提出挑戰，因為它必須區分列和縮排的段落。列檢測最適合具有標準佈局的文件：等寬的列，間隔至少 5 毫米的空白。
列保留的轉換設定
對於具有複雜多列佈局且無法透過任何自動設定完全轉換的文檔，請考慮轉換為 Word 以外的格式。將 PDF 轉換為桌面出版格式（如 Adobe InDesign 或 Affinity Publisher）比 Word 更能忠實地保留列結構，因為這些應用程式從頭開始就專為多列佈局而設計。從發布應用程式將最終編輯的文檔匯出回 PDF。
初始轉換後，將 Word 文件儲存為 DOCX 格式，而不是舊的 DOC 格式。 DOCX 比 DOC 更可靠地處理複雜的佈局，包括列結構。如果轉換工具提供輸出格式選擇，請務必為包含大量列的文件選擇 DOCX。從 PDF 轉換為 DOC，然後另存為 DOCX 會增加不必要的格式轉換，這可能會導致佈局錯誤。
如果轉換後的 Word 文件將每一列放在單獨的文本框中（這是保留佈局轉換的預設行為），則您可以從每個文本框中提取文本，並使用 Word 的連結文本框功能將其流入基於單列的佈局中。依閱讀順序連結文字框，文字不斷地流過它們。這種方法保留了列佈局和將文字編輯為連續流的能力。
在轉換設定中，尋找與佈局保留相關的選項。 「保留流暢的文字」嘗試將文字重建為可編輯的 Word 段落，這對於需要進一步編輯的文件來說是理想的選擇。 「保留頁面佈局」將文字放置在定位的文字方塊中，保留精確的視覺佈局，但更難編輯。對於列保留，可以選擇「保留流動文字」。啟用列偵測通常會產生可編輯性和結構的最佳平衡。 WukongPDF 的 PDF 到 Word 轉換器包括列偵測模式，可識別多列佈局並重建正確的閱讀順序，將每列的文字放置在單獨的 Word 部分中。
如果轉換器為掃描文件提供 OCR 選項，甚至可以為數位 PDF 啟用該選項。 OCR 引擎的佈局分析通常比文字擷取引擎的空間分析更擅長偵測列。 OCR 將頁面處理為圖像並識別文字區域，這使得列檢測比直接解析 PDF 內容流更有效。缺點是基於 OCR 的轉換速度較慢，並且可能會在已經數位化的文字上引入識別錯誤。對列保真度具有最高優先權且文件長度易於管理的文件使用基於 OCR 的轉換。
轉換後手動恢復列
如果自動轉換產生的文件中不同列的文字以錯誤的順序交錯，Word 的尋找和取代通配符可以幫助分隔合併的文字。搜尋指示原始佈局中的分欄符的模式，例如一致數量的空格或出現在一列末尾和下一列開頭的特定標點符號模式。通配符搜尋和替換比手動剪切每個段落並將其貼上回正確的列順序更快。
對於列順序帶有語義的文檔，例如左列為原文、右列為譯文的雙語文檔，保留列配對至關重要。轉換後，檢查左列中的每個段落是否對應於右列中的正確段落。文檔開頭的一個錯位會貫穿所有後續段落。成對列文件的驗證步驟比標準多列佈局更耗時，但對於文件可用而言這是必要的。
當自動列檢測產生混亂的結果時，手動恢復是後備方案。在 Word 中，使用「版面配置」標籤下的「列」功能為文件的每個部分設定正確的列數。然後將混亂的轉換中的文字剪下並貼上到正確的列順序中。這是最耗時的方法，但會產生結構完美的文件。對於 10 頁兩欄的論文，手動修復需要 15 到 30 分鐘，具體取決於佈局的複雜程度。
在手動恢復列時，使用原始 PDF 作為視覺參考。在螢幕的一側開啟 PDF，在另一側開啟 Word 文件。逐頁瀏覽文檔，驗證 Word 文件每一列中的文字是否與 PDF 對應列中的文字相符。這種並排比較可以捕捉到原本不會被注意到的順序混亂的段落。對於列結構有意義的文檔，例如左右列呈現對比觀點的比較分析，額外的驗證時間是值得的。
常見問題
對於列較多的文檔，是一次性轉換整個 PDF 還是逐頁轉換更好？立即轉換整個文件可為檢測演算法提供更多資料來處理。它可以識別跨頁面一致的列模式並統一應用它們。逐頁轉換會迫使演算法單獨重新偵測每個頁面的列結構，即使所有頁面的列佈局相同，這也可能會產生不一致的結果。
我是否可以設定與常用 PDF 列佈局相符的 Word 模板，以便更容易預測轉換？是的。建立具有正確的列數、邊距和字體設定的 Word 範本。將 PDF 轉換為 Word 後，將轉換後的文字匯入到範本中。此範本提供列結構，並由導入的文字填充它。這種方法將佈局定義與內容提取分開，並在類似結構的 PDF 的多次轉換中產生更一致的結果。
我可以將包含三列或更多列的 PDF 轉換為 Word 並保持所有列完好無損嗎？
是的，但是成功率會隨著列數的增加而降低。兩列佈局可以很好地使用現代工具進行轉換。三列佈局可以使用最好的工具進行可接受的轉換，但可能需要一些清理。具有四欄或更多欄的佈局（例如密集的報紙頁面）幾乎總是需要手動進行轉換後工作。狹窄的列留給偵測演算法可靠地辨識空白間隙的空間很小。
將基於列的 PDF 轉換為 Word 是否會影響列之間的圖片和圖形？
跨多列的圖像通常可以正確轉換，因為它們被檢測為與文字不同的物件。嵌入列中的圖像（例如與文字內嵌的小插圖）可能會破壞列檢測，因為圖像會破壞演算法試圖遵循的文字流。轉換後，檢查列邊界附近的影像位置是否正確，文字是否如預期在影像周圍流動。
我是否應該以不同於數位文件的方式轉換掃描的多欄文件？
掃描的文件必須先經過 OCR，然後再進行列檢測，這增加了一個步驟，但也提供了機會。專為文件轉換而設計的 OCR 引擎通常比文字提取引擎具有更複雜的佈局分析，因為 OCR 最初正是針對此用例而開發的。與應用於同等數位 PDF 的文字擷取引擎相比，應用於掃描的多列文件的高品質 OCR 引擎可以產生更好的列保存效果。