Ein PDF in Word umwandeln, ohne Formatierung zu verlieren

Was der Konverter tatsächlich errät

Eine PDF-Seite sagt: Zeichne diese Glyphe hier, jene Glyphe dort. Sie hält nicht fest, dass zwölf dieser Glyphen eine Überschrift waren oder dass dieser und jener Block zwei Spalten waren und nicht ein breiter Absatz mit einer Lücke.

Also liest ein Konverter Geometrie und erschließt daraus Struktur. Er ermittelt Zeilen aus vertikalen Positionen, Absätze aus Abständen und Tabellen aus Ausrichtungen. Diese Schlüsse stimmen meistens und gehen gelegentlich böse daneben, und die Stellen, an denen sie danebengehen, sind vorhersehbar:

• Mehrspaltige Layouts. Sind die Spalten nicht klar getrennt, kann Text über sie hinweg zu einem einzigen unsinnigen Absatz zusammengenäht werden.
• Tabellen ohne Linien. Eine Tabelle, die mit Abständen statt mit Rahmen gezeichnet wurde, kommt womöglich als tabulatorgetrennter Text an oder als ein Absatz pro Zelle.
• Textrahmen und Bildunterschriften. Alles, was platziert statt geflossen ist, landet gern als schwebender Rahmen, der sich verschiebt, sobald du drumherum bearbeitest.
• Schriften, die du nicht hast. Das PDF bettet sie vielleicht ein; das Word-Dokument verweist nur auf sie. Fehlt die Schrift auf deinem Rechner, ersetzt Word sie, und die Zeilenlängen ändern sich. Warum ein PDF auf einem anderen Computer anders aussieht behandelt das ausführlich.

Ist dein PDF ein Scan, kann kein Konverter helfen

Das ist die mit Abstand häufigste Enttäuschung, und es lohnt sich, sie zu verstehen, bevor du es versuchst.

Ist das PDF ein Scan oder eine Fotografie einer Seite, enthält es überhaupt keinen Text — nur ein Bild, das wie Text aussieht. Es umzuwandeln erzeugt ein Word-Dokument, das ein Bild jeder Seite enthält und nichts, was du markieren, durchsuchen oder bearbeiten kannst. Der Konverter hat nicht versagt; es gab nichts umzuwandeln.

Der Test dauert fünf Sekunden: Öffne das PDF und versuche, mit dem Cursor einen Satz zu markieren. Wird nichts hervorgehoben, ist es ein Scan.

Die Abhilfe ist, den Text zuerst erkennen zu lassen. OCR fügt eine echte Textebene hinzu, und eine Umwandlung danach liefert bearbeitbaren Text. Zwei ehrliche Einschränkungen: Die Erkennung ist nie perfekt und muss korrekturgelesen werden, und OCR holt die Wörter zurück, nicht das ursprüngliche Layout — rechne also damit, die Formatierung neu aufzubauen statt sie zu erben. OCR im Vergleich zur Umwandlung eines PDFs in Word stellt beides direkt gegenüber.

Dem Original am nächsten kommen

• Frag dich, ob du Word überhaupt brauchst. Willst du nur die Wörter — zum Zitieren, Wiederverwenden, Übersetzen —, gibt dir Text aus einem PDF extrahieren sie sauber und ohne ein Layout, mit dem du kämpfen müsstest.
• Such das Original. Jedes PDF war vorher etwas anderes. Zehn Minuten Suche nach dem Quelldokument schlagen eine Stunde Reparatur an einer Umwandlung.
• Wandle nur die Seiten um, die du brauchst. Seiten extrahieren zuerst, wenn du nur einen Abschnitt willst: weniger zu prüfen, weniger zu korrigieren.
• Korrigiere in der richtigen Reihenfolge. Erst Seitengröße und Ränder, dann Formatvorlagen, dann Bilder. Einzelne Absätze vor dem Seiteneinrichten anzupassen heißt, die Arbeit zweimal zu machen.
• Behalte das PDF. Es bleibt der verlässliche Beleg dafür, wie das Dokument ausgesehen hat. Wenn du eigentlich eine unveränderliche Kopie brauchtest, taugen PDF in JPG oder die Originaldatei besser als eine Umwandlung.

Die Umwandlung läuft auf unserem Server und nicht in deinem Browser: Die Datei wird über eine verschlüsselte Verbindung übertragen, nur für die Dauer der Umwandlung vorgehalten und danach gelöscht.