无损转换 PDF 到 Word 是不可能的

某位老同学让我推荐一款能“无损转换 PDF 到 Word”的软件。给出推荐后，我尝试向他解释，这种“无损”其实是不可能的。他希望我将这些内容写成一篇科普文章。

当你搜索“转换 PDF 到 Word”，会找到许多提供此功能的软件。若是在社区中提问，还能收获许多样板式的营销回答：“无损，支持所有 PDF 文档，不会出现格式错乱…”，一切真的这么美好么？

查阅维基百科，我们了解到 PDF 是“包含固定布局的平面文档的完整描述”。什么是“固定布局”呢？在这里我们不讲解 PostScript，仅以伪代码表示。

PDF 中的一些文字：

在坐标 100, 110 是文字 "你好"
在坐标 100, 160 是文字 "世界"

而 Word 中的一些文字：

顶部页边距 110
左侧页边距 100
单倍行距
文字 "你好"
换行
文字 "世界"

看出区别了么？

• PDF 使用绝对坐标，阅读器只是直白地把这一个个规范的“标记”渲染出来。这能尽量保证文档在不同平台上以相同形态显示。

• Word 则使用“文本流”，段落由各种各样的属性，样式，被设置为我们所期望的模样。这使我们能够便利地修改文档内容和格式。

接下来我们以“PDF 到 Word 转换器”的角度观察。对于 PDF 中的这样两个文本块，对应的“Word 表示”有以下可能：

1. 左侧页边距 100，单倍行距，两行文字中有一个空行。
2. 左侧页边距 100，双倍行距，两行文字间没有空行。
3. 左侧页边距 94，首行缩进 2 字符，单倍行距，两行文字中有一个空行。
4. 甚至可能是两个独立的，悬浮的文本框！
5. ... 排列组合，还有更多可能 ...

现在，“PDF 到 Word 转换器”要如何判定，哪一种选择才是正确的呢？

显然，将 Word 转换为 PDF 是相对稳定的，其过程中的信息是有损失的；而将 PDF 转换为 Word，则存在着太多不确定性，因为损失的信息不可能凭空产生。转换器所能做的仅仅是“按照惯例猜测”而已。

这就是为什么：无损转换 PDF 到 Word 是不可能的。