PDF转WORD为什么这么难

pdf转word是一个非常普遍的需求，而你会发现好用、转换质量好的工具还真是不多，尤其百度搜索前面的推广结果，更是差到不行，免费版只能转一页，要想转更多，需要付费，而付过费后会发现转化效果非常差，找商家投诉，没有结果，便会像百度搜索结果第一条1900多条评价，全在骂的结果。

今天来分析一下为什么pdf转word那么难。

1. PDF格式特殊

PDF是adobe公司出品方便打印的文档，Portable Document Format的简称，意为“便携式文档格式”，是由Adobe Systems用于与应用程序、操作系统、硬件无关的方式进行文件交换所发展出的文件格式。PDF文件以PostScript语言图象模型为基础，无论在哪种打印机上都可保证精确的颜色和准确的打印效果，即PDF会忠实地再现原稿的每一个字符、颜色以及图象。对于电脑上的文件来说，根本上都是以二进制的方式存储到存储设备上，因此我既然可以存为pdf文件，肯定需要知道其规范，这就是pdf文档的格式规范（可以去adobe官网搜），字体、图像等等都需要有描述，这样我才能显示。

因此理论上熟读pdf格式规范，就能正确的读取pdf文件。实际编码中还有一些别人写好的类库可以调用，因此读取pdf要简单一些。

2. 放到word不容易

再来说转成word这件事，这件事其实来说也是可以实现的，因为我知道pdf的格式，也知道word的格式，我读出了这里需要有文字、那里需要有图片，按照word的格式放进去就可以了。但是.但是.但是.实际做的时候有很多坑。

举几个例子，比如表格问题：

这是一份pdf里面的部分内容，通过程序可以读出来在(x,y)位置有“食物”两个字，在某位置有“合并后的单元格”7个字，其他位置的字和数字，pdf给出的信息是屏幕上的位置有什么字，比如（10，100）位置为食物，（200，10）位置水……为什么会是这样的信息，因此pdf是用来打印的，他会告诉打印机什么位置有什么内容，他只能这么给。而对于这些信息怎么往word里面放？你会说，我这是个表格，按表格放，问题是程序怎么知道，这就需要一些人工智能或者经验的算法，把这样的位置分析出来是表格。表格难度升级版，哪些是合并的单元格，就这个问题没有几家产品能判断出来是合并后的单元格。

背景图像问题：

这个文档其实蓝色矩形是背景，而小人是图片，可以区分开吗？用简单的pdf解析lib已经很有难度，（pdf解析lib后面再说），如果区分出来了，word里面背景图片怎么操作，表格的浮动怎么处理？头都大了。

因此要转好word是件很难处理的事。

3. 再说说pdf解析lib

pdf解析的lib，开源免费项目最经典的是PDFBox，Apache旗下，他可以做的事是：

提取文字，拆分合并，表单文字提取或者填充，验证，打印，存图片，创建pdf，签名。可以看到这个强大的库可以提取出文字和对应位置，然后你在写到word。表格怎么办？不好处理，需要自己根据字的位置、逻辑算。

专门处理表格的库：Tabula，收费版pdfTables，问题又来了，这些库只能处理其中表格，其他内容处理不好，tabula甚至需要先给出表格区域是什么，然后再提取内容。

总之一句话，提前内容简单，转到word格式难。

4. 最好的PDF转word是谁

做了许多的调研和验证，最好的转换工具是谁呢？

调研的时候发现百度文库是最牛B的，正确率100%，一丝不差，看源码发现他是显示到网页上，他的实现方法是把文字及位置提取出来，然后用css绝对定位到当前位置，背景、表格等都是一张图片直接铺在后面，这样就不需要知道谁是表格，谁是合并单元格了，完全按打印的方式来实现，不得不说这个方法非常聪明。百度技术确实牛，不过在这里转成word的话同样需要后续的研究。技术不能适用到转word项目中。

第二好的我想必定adobe自家产品acrobat了，可以读、写pdf的官方工具，下载免费试用版本，确实是效果非常非常好的，只在一些非常复杂的表格情况下有失真，达不到100%的还原效果，但是已经是最好的了。

百度搜索出来的好多pdf工具试用了一遍，尤其前面的推广结果，大多是用开源项目搞的产品，简单文字的可以，遇到表格，合并单元格，基本都处理不好了。

另一个比较好的是smallpdf，用的是国外Solid Documents提供的技术，文字、表格都不错，合并单元格就不行了，认不出来，或者对不齐。

Acrobat是最好用的转word工具，悲剧的是需要12.99刀一个月。还是有点小贵，如果偶尔转个word的话，12.99就更不划算了。

理想的方案呢？？理想的方案呢？？理想的方案呢？？

刺猬PDF，官方网站http://www.ciweipdf.com，实现方案是这样的，用acrobat的技术做转化，因此效果是最好的，你可以理解为共享收费版acrobat。因此理想的pdf转word产品是免费的在线版本——刺猬PDF！