PDF से Word: क्या बचता है, क्या नहीं — ईमानदार गाइड

PDF में दर्ज होता है कि हर अक्षर पन्ने पर कहां बैठा है। Word डॉक्यूमेंट में पैराग्राफ, हेडिंग और लिस्ट दर्ज होती हैं, और शब्द कहां पड़ेंगे यह Word तय करता है। दोनों के बीच कन्वर्ट करने का मतलब है स्थितियों से ढांचा वापस अंदाज़ लगाना — इसीलिए कोई भी PDF-to-Word कन्वर्टर परफेक्ट नहीं होता, यह वाला भी नहीं।

क्या ठीक आता है

चलता हुआ टेक्स्ट, पैराग्राफ के ब्रेक और पेज ब्रेक। Convert Files हर पन्ने की टेक्स्ट लेयर पढ़ता है, खाली जगह और विराम चिह्नों के हिसाब से लाइनों को पैराग्राफ में जोड़ता है, और एक साफ़ Word फाइल बनाता है जिसे आप तुरंत एडिट कर सकते हैं।

क्या नहीं आता

तस्वीरें, कॉलम, टेबल और हूबहू फॉन्ट। स्कैन से बनी PDF में टेक्स्ट लेयर होती ही नहीं, इसलिए निकालने को कुछ होता ही नहीं; उसके लिए पहले OCR चाहिए होगा। दो कॉलम वाले लेआउट उलझकर आ सकते हैं।

उल्टी दिशा कहीं बेहतर है

Word से PDF में सब कुछ बचता है — हेडिंग, बोल्ड और इटैलिक, लिस्ट, कोट, टेबल और तस्वीरें — क्योंकि यह ढांचे से लेआउट की ओर जाता है, जो आसान दिशा है। अगर आपके पास असली Word फाइल है, तो हमेशा उसी से कन्वर्ट करें।

टिप: अगर आपको सिर्फ़ शब्द चाहिए, तो टारगेट में .txt या .md चुनें। यह तेज़ है और इसमें लेआउट बिगड़ने का सवाल ही नहीं।

कन्वर्ट करने पर लेआउट हिलता क्यों है

Word डॉक्यूमेंट कहता है “यहां एक हेडिंग है, फिर एक पैराग्राफ, फिर एक टेबल”, और शब्द कहां पड़ेंगे यह प्रोग्राम पर छोड़ देता है। PDF कहता है “अक्षर A को बाएं से 72.4 पॉइंट और नीचे से 690.1 पॉइंट पर 11pt Helvetica में रखो” — और पन्ने के हर अक्षर के लिए यही दोहराता है। PDF में कोई पैराग्राफ होता ही नहीं, सिर्फ़ अक्षर होते हैं जो संयोग से पास-पास बैठे हैं।

कन्वर्ट करने का मतलब है इन स्थितियों को पढ़कर ढांचा वापस अंदाज़ लगाना: पास-पास के अक्षर एक शब्द हैं, एक लाइन के शब्द एक लाइन हैं, एक जैसी दूरी और इंडेंट वाली लाइनें एक पैराग्राफ हैं, बड़े बोल्ड अक्षरों की कतार शायद हेडिंग है। ज़्यादातर बार यह सही निकलता है। गड़बड़ ठीक वहीं होती है जहां उम्मीद होती है — कई कॉलम वाले लेआउट, तस्वीर के आसपास बहता टेक्स्ट, लाइनों से बनी टेबल (जो टेबल के रूप में दर्ज नहीं हैं), और हेडर-फुटर जो दस्तावेज़ के बीच में फिर से आ जाते हैं।

अगर आपकी PDF स्कैन है, तो कन्वर्ट करने को कुछ है ही नहीं

यह सबसे आम निराशा है। स्कैनर या फोन कैमरे से बनी PDF में पन्ने की एक तस्वीर होती है। उसमें कोई टेक्स्ट होता ही नहीं — न छिपा हुआ, न दबा हुआ, न बंद। उसे कन्वर्ट करने पर एक ऐसा दस्तावेज़ मिलता है जिसके अंदर एक तस्वीर है, क्योंकि सच में था ही बस उतना।

स्कैन से टेक्स्ट निकालने के लिए OCR चाहिए, जो तस्वीर में अक्षरों की शक्ल पहचानकर शब्दों का अंदाज़ लगाता है। Convert Files OCR नहीं करता; यह फाइल में जो है उसे कन्वर्ट करता है, बजाय इसके कि जो हो सकता था उसका अंदाज़ लगाए। आपकी PDF किस तरह की है, यह जांचने का आसान तरीका: उसे खोलकर माउस से एक वाक्य चुनने की कोशिश करें। अगर अलग-अलग शब्द चुनकर हाईलाइट होते हैं, तो असली टेक्स्ट है। अगर पूरे पन्ने पर एक नीला बॉक्स आ जाता है, तो वह स्कैन है।

क्या बचता है और क्या नहीं

साथ आते हैं: हेडिंग, पैराग्राफ, बोल्ड और इटैलिक, बुलेट और नंबर वाली लिस्ट, ब्लॉक कोट, हाइपरलिंक, अंदर लगी तस्वीरें, और वे टेबल जिन्हें PDF ने टेबल के रूप में दर्ज किया है। साथ नहीं आते: पन्ने की हूबहू माप, वे फॉन्ट जो अंदर दर्ज नहीं थे, कई कॉलम का बहाव, फुटनोट की जगह, फॉर्म फील्ड, एनोटेशन और कमेंट, और वह सब जो टेक्स्ट के बजाय वेक्टर डायग्राम के रूप में बना है।

इसे ऐसे समझें: आपको सामग्री वापस मिल रही है ताकि आप उसे एडिट कर सकें, कोई छापने लायक हूबहू नकल नहीं। अगर नकल चाहिए, तो PDF वैसी की वैसी रखें।

कभी-कभी दूसरा टारगेट ही बेहतर जवाब है

अगर आपको सिर्फ़ शब्द चाहिए — ईमेल में चिपकाने, खोजने या किसी और काम के लिए — तो TXT में कन्वर्ट करना तेज़ है और इसमें वे गड़बड़ हो ही नहीं सकतीं जो DOCX में हो सकती हैं। अगर ढांचा चाहिए पर Word नहीं, तो Markdown हेडिंग, लिस्ट और एम्फ़ेसिस को सादे टेक्स्ट के रूप में रखता है, जो किसी भी एडिटर में हमेशा पढ़ा जा सकता है। अगर इसे वेबसाइट पर डालना है, तो HTML तीनों में सबसे ज़्यादा ढांचा बचाता है।

और साफ़ नतीजा कैसे पाएं

Word, Google Docs या किसी वेब पेज से एक्सपोर्ट हुई PDF, InDesign, LaTeX या किसी डिज़ाइन टूल से बनी PDF के मुकाबले कहीं बेहतर कन्वर्ट होती है, क्योंकि पहला समूह उसी ढांचे के साथ शुरू हुआ था जिसे कन्वर्टर वापस बनाने की कोशिश कर रहा है। अगर PDF कहां से आए, इसमें आपके पास कोई चुनाव है, तो वही चुनाव सबसे ज़्यादा मायने रखता है। वह न हो तो हेडिंग और टेबल की किनारियां ठीक करने में कुछ मिनट लगाने की तैयारी रखें — फिर भी यह दोबारा टाइप करने से काफ़ी कम समय है।