PDF 工作流
PDF 转换前先做什么：拆分、OCR、压缩还是直接转？
很多 PDF 处理失败，不是工具选错，而是顺序错了。先判断页面范围、文字层、文件大小和最终目标，再决定是先拆分、先 OCR、先压缩，还是直接转成 Word、Excel 或 Markdown。
快速判断
- 只需要其中几页：先拆分，再转换。
- 页面是扫描件或拍照件：先 OCR，再转 Word、Excel 或 Markdown。
- 文件内容已经正确但太大：再压缩。
- 文字版 PDF 且整段都要处理：可以直接转换。
- 目标是改正文选 Word，目标是抽表格选 Excel，目标是进知识库选 Markdown。
目录
- 这页帮你判断什么
- 15 秒快速路线
- 先判断 PDF 类型
- 按真实目标选下一步
- 常见返工原因
- 常见问题
这页帮你判断什么
用户通常直接搜索 PDF 转 Word、PDF 转 Excel 或 PDF OCR，但真正影响结果的是第一步。长文件没先拆分，扫描件直接转 Word，表格数据误走 Word，都会让结果看起来像工具不稳定。
正确做法是先问三个问题：我是否只需要部分页面？这些页面是否能选中文字？最终目标是编辑正文、抽表格、压小文件，还是进入 AI/知识库？
15 秒快速路线
| 当前情况 | 先做什么 | 为什么 |
|---|---|---|
| 只需要某几页或某一章 | 拆分 PDF | 先缩小范围，后续转换更快也更容易核对。 |
| 页面文字选不中 | OCR | 扫描件缺少文字层，直接转 Word/Excel/Markdown 通常噪声更大。 |
| 文件范围正确但上传超限 | 压缩 PDF | 内容已经确定时，再优化体积更合理。 |
| 文字版 PDF，整段都要处理 | 直接转换 | 可选中文字的 PDF 通常可以直接进入目标格式。 |
先判断 PDF 类型
文字版 PDF 通常来自 Word、PPT、网页或办公系统导出，鼠标可以选中文字。这类文件更适合直接转 Word、Excel 或 Markdown。
扫描版 PDF 来自扫描仪、手机拍照、复印件或盖章件，视觉上能看，但底层是图片。它更适合先 OCR，再做后续转换。
混合型 PDF 最容易误判：正文可选中，但附件、签章页或附录是图片。此时不要整份文件走同一条路径，先拆出真正要处理的页面会更稳。
按真实目标选下一步
| 真实目标 | 推荐工具 | 不要先做什么 |
|---|---|---|
| 修改正文、合同条款、报告段落 | PDF 转 Word | 不要把表格数据任务塞进 Word。 |
| 提取金额、日期、列关系和表格 | PDF 转 Excel | 不要先转 Word 再手动清表。 |
| 扫描件可搜索、可复制 | PDF OCR | 不要直接期待扫描件转出干净 Word。 |
| 进入 AI、RAG、文档站或知识库 | PDF 转 Markdown | 不要只复制粘贴无结构文本。 |
| 只处理某些页面 | PDF 拆分 | 不要整份转换后再删除大量无关内容。 |
常见返工原因
- 扫描件没有先 OCR，直接转 Word 后仍然像图片。
- 只需要几页却整份转换，结果文件又大又难检查。
- 表格数据误走 Word，后续还要手动复制到 Excel。
- 文件还没确认页面范围就先压缩，牺牲清晰度却没有解决核心问题。
- 混合型 PDF 没有分段处理，导致正文页和扫描页互相拖累。
常见问题
不一定。能选中文字的 PDF 通常可以直接转 Word；扫描件、拍照件、盖章图片页才建议先 OCR。
如果整份文件里只有几页表格，建议先拆分目标页，再转 Excel。这样能减少无关正文和附件混入表格结果。
当页面范围已经正确、目标文件就是当前内容，只是上传或分享体积太大时，再先压缩。
人工修订正文选 Word；AI、知识库、文档站、RAG 和结构化复用更适合 Markdown。