PDF转Word保留排版

要解决什么问题

合同、报告、发票这类 PDF 往往只能看不能改：复制会乱版式，重打又费时。若文档本质是文本型 PDF（非纯扫描图），直接走 OCR 容易丢表格线、段落对齐和嵌入图片。这个技能面向的是「转成可编辑 .docx，且尽量贴近原稿排版」的场景。

技能如何工作

底层使用 Python 库 pdf2docx，从 PDF 里抽取原生文本、矢量与对象，再映射到 Word 结构，而不是把整页当图片识别。典型流程是：

1. 你提供待转换的 PDF（可说明页码范围或转换选项）
2. 解析 PDF 结构（段落、表格、图片等）
3. 生成可编辑 Word，表格与图片会按库能力尽量保留

常见用法包括整份报告转 Word、只转第 1–5 页、合同改稿、或批量处理多份发票。复杂表格可先小范围试几页再全量转。

适用边界与注意点

• 扫描件 / 图片型 PDF：没有可抽取的文本层时，需要先 OCR 预处理，本技能不能单靠 pdf2docx 解决。
• 版式与字体：多栏、浮动对象、特殊字体可能偏差，部分字体会回落到系统默认。
• 水印与加密：水印通常会一并带入；受密码保护的 PDF 需先解密并提供密码。
• 表格：复杂合并单元格、嵌套表可能需要人工微调。

建议先判断 PDF 类型，用少量页面试跑，再决定是否全量转换。