文件格式转换的保真度：哪些格式能转，哪些别硬转

文件格式转换的保真度：哪些格式能转，哪些别硬转

格式转换看起来是个简单的操作，实际上有损的部分比想象的多。

下面按实际操作的顺序写。

为什么转出来会乱

PDF 存的是排版结果，不是排版指令。它只记录「这个字放在这里」，不记录「这是三级标题」。

所以转换时工具只能靠猜：这个文本块看起来像标题吗？像表格吗？猜错就乱。

扫描型 PDF 更没戏 —— 源文件里根本没有文字信息，转出来必然是图片。

怎么减少损失

优先选择源格式编辑。有原始文件（Word/Excel/PPT）就别用 PDF 中转。

只转需要的部分。整份转不如拆开按需转，局部转换质量明显更好。

PDF 转图片再 OCR 适合要改内容又改不动的场景，但要注意重新排版。

复杂排版建议保留 PDF。该用 PDF 的场景（比如要打印分发）就用 PDF。

图片相关的转换

PDF 转图片时** DPI 是关键**，默认 72 会很糊，处理扫描件至少 300。

提取内嵌图片用 pdfimages 效率最高：

pdfimages -all in.pdf prefix

把图片转回 PDF 相反，注意设置页面尺寸和边距，否则会有大片空白。

一点说明

以上是我自己流程里的做法，不一定适合所有人。如果你的场景有更好的顺序，欢迎在评论区补充。

延伸阅读

这类操作在多个工具里都有对应实现，可以按自己的技术栈选一个，重点是确认处理过程在本地完成、文件不出本机。