PDF से Word

PDF में पैराग्राफ़ होते ही नहीं। उसमें बस यह निर्देश होता है कि कौन-सा अक्षर किस बिंदु पर रखना है, और पैराग्राफ़ का रूप वह चीज़ है जो आपकी आँख उन अक्षरों से जोड़कर बनाती है जो संयोग से एक पंक्ति में आ जाते हैं। आम तौर पर कहीं यह दर्ज नहीं होता कि कौन से अक्षर मिलकर एक वाक्य बने, कोई स्तंभ कहाँ शुरू और कहाँ ख़त्म हुआ, या अंकों की कोई जाली टेबल थी या चार अलग-अलग हिस्से जो बस एक सीध में आ गए।

इसलिए हर PDF-से-Word कन्वर्टर ज्यामिति से मंशा का उलटा अनुमान लगाता है। उसे ख़ाली जगहें नापकर अक्षरों को शब्दों में जोड़ना पड़ता है, आधार रेखा से शब्दों को पंक्तियों में, अंतर और हाशिये से पंक्तियों को पैराग्राफ़ में, और उनके बीच की सफ़ेद जगह देखकर पैराग्राफ़ों को स्तंभों और टेबल में। यह ग़लत हुआ तो ऐसी फ़ाइल बनती है जो देखने में सही लगती है और बर्ताव पहेली जैसा करती है।

यह समझ लेने से नतीजे रहस्य नहीं, बल्कि अंदाज़े लायक हो जाते हैं। कन्वर्टर उतना ही अच्छा हो सकता है जितने ज्यामितीय सुराग़ फ़ाइल में हैं — इसीलिए एक सादी, एक-स्तंभ वाली रिपोर्ट लगभग पूरी तरह ठीक बदलती है और तस्वीर के ऊपर घुमाए हुए टेक्स्ट वाला पत्रिका का पन्ना नहीं।

कारोबारी दस्तावेज़ इसके लिए सबसे उपयुक्त हैं: रिपोर्ट, अनुबंध, पत्र, विवरण, शोध पत्र। एक स्तंभ वाला गद्य, शीर्षक, बुलेट सूचियाँ और दिखने वाली रेखाओं वाली टेबल — सब Word की अपनी संरचनाओं के रूप में आते हैं, जिन्हें आप तुरंत बदल और सजा सकते हैं। तस्वीरें अपनी जगह पर, मूल रिज़ॉल्यूशन में चली आती हैं।

जहाँ मूल लेआउट सचमुच दुविधा भरा हो, वहाँ कुछ मिनट सफ़ाई में लगने की उम्मीद रखें। पत्रिका जैसे कई स्तंभों वाले पन्ने पढ़ने के क्रम पर ऐसा फ़ैसला माँगते हैं जो कभी-कभी सुलझता ही नहीं। तस्वीरों के ऊपर बैठा टेक्स्ट, टेक्स्ट पर भारी सजावटी असर, और सिर्फ़ सीध से बनी टेबल — ये तीन चीज़ें ही सबसे ज़्यादा बाद में हाथ माँगती हैं। यह किसी एक कन्वर्टर की कमी नहीं है — यह तय लेआउट वाले प्रारूप से बहने वाले प्रारूप में जाने की स्वाभाविक क़ीमत है, और जो औज़ार इससे उलट दावा करता है वह चुपचाप आपको एडिट न होने वाले टेक्स्ट फ़्रेम थमा रहा होता है।

अगर आपका मक़सद सामग्री दोबारा इस्तेमाल करना है, डिज़ाइन हूबहू उतारना नहीं, तो यह बदलाव लगभग हमेशा काफ़ी अच्छा रहता है। और अगर मक़सद किसी सजाए हुए पन्ने की पिक्सेल-दर-पिक्सेल एडिट होने वाली नक़ल है, तो कोई भी कन्वर्टर वहाँ तक नहीं पहुँचाएगा — बेहतर रास्ता “PDF एडिट करें” से सीधे PDF में ही बदलाव करना है।

स्कैन की गई PDF असल में किसी पन्ने की तस्वीर है, जिसे PDF के डिब्बे में लपेट दिया गया है। न जोड़ने के लिए अक्षर हैं, न समझने के लिए ज्यामिति — फ़ाइल की नज़र में पूरा पेज एक तस्वीर है, और नासमझ कन्वर्टर ईमानदारी से आपको ऐसा Word दस्तावेज़ थमा देगा जिसमें हर पेज पर एक तस्वीर है।

इस स्थिति का अंदाज़ा नहीं लगाया जाता, उसे पहचाना जाता है। जब पता चलता है कि दस्तावेज़ में काम लायक टेक्स्ट की परत है ही नहीं, तो उसे पहले अक्षर पहचान (OCR) से गुज़ारा जाता है, जो तस्वीर पढ़कर पहचाने गए शब्दों के ऊपर एक अदृश्य टेक्स्ट परत लिख देती है। उसके बाद ही सामान्य बदलाव चलता है, इसलिए बनी हुई Word फ़ाइल में असली, एडिट होने लायक और खोजने लायक टेक्स्ट होता है।

नतीजा स्कैन की गुणवत्ता से तय होता है। सीधे, अच्छी रोशनी वाले, 300 DPI पर आम फ़ॉन्ट में स्कैन किए पन्ने लगभग पूरी तरह सही आते हैं। टेढ़े पन्ने, कम कंट्रास्ट, हस्तलेख और अनोखे फ़ॉन्ट सटीकता घटाते हैं — जो पन्ना आपको पढ़ने में मुश्किल लगे, वह OCR के लिए भी मुश्किल होगा। टेढ़ापन और घुमाव अपने आप ठीक किए जाते हैं, जिससे जल्दबाज़ी में किए स्कैन का काफ़ी नुक़सान वापस मिल जाता है।

जो फ़ाइल आपको मिलती है वह एक सामान्य .docx है और Microsoft Word, Google Docs, LibreOffice Writer तथा Apple Pages में बिना किसी और बदलाव के खुल जाती है। उसमें कुछ भी मालिकाना या वॉटरमार्क वाला नहीं है।

दो आदतें सफ़ाई का काम तेज़ कर देती हैं। शुरू करने से पहले Word के फ़ॉर्मेटिंग चिह्न चालू कर लें — पैराग्राफ़ ब्रेक, सेक्शन ब्रेक और टैब असल में कहाँ बैठे हैं, यह दिख जाने पर लेआउट का ज़्यादातर चौंकाने वाला बर्ताव सेकंडों में समझ आ जाता है। और सजावट से पहले संरचना ठीक करें: टूटी हुई टेबल जोड़ना या कोई फ़ालतू सेक्शन ब्रेक हटाना टेक्स्ट को खिसका देता है और पहले की गई सजावट बेकार कर देता है।

काम पूरा होने पर जब दोबारा PDF चाहिए, तो “Word से PDF” चक्र पूरा कर देता है और आपकी संपादित फ़ाइल से साफ़-सुथरा, सही पेजों में बँटा दस्तावेज़ बना देता है।