הבעיה המוכרת בהמרת PDF בעברית ל־Word: מילים באנגלית ומספרים יוצאים הפוכים. LibreOffice, ממיר קוד פתוח נפוץ, הפך במסמך לדוגמה את Benchmo ל־omhcneB, את הסכום 1,234.56 ל־65.432,1 ואת התאריך 27.10.2026 ל־6202.01.72. קובץ Word כזה גרוע יותר מהקלדה מחדש. כאן אותו מסמך, 3 עמודים בעברית עם אנגלית, מספרים, ₪ וטבלת מחירים, יצא קובץ של 59KB בתוך 0.6 שנייה, ושלושתם נשארו כמו שהם. גם טבלת המחירים עברה כטבלת Word, כולל שורת הכותרת.
למה דווקא עברית מתבלבלת
PDF שומר כל קטע טקסט לפי המקום שלו בעמוד, ובשורה עברית שיש בה אנגלית או מספרים, הקטעים האלה רצים לכיוון השני. ממיר שמעתיק את הסדר החזותי הופך אותם. הכלי הזה קורא את הטקסט דרך pdf.js, שמחזיר אותו בסדר שבו הוקלד, וכותב כל פסקה בעברית עם הגדרת מימין לשמאל של Word עצמו.
מה עובר ומה לא
| עובר | בקירוב או הולך לאיבוד |
|---|---|
| טקסט בסדר קריאה נכון, כולל אנגלית ומספרים | עימוד בכמה עמודות (הופך לעמודה אחת) |
| כותרות, לפי גודל הגופן | תיבות טקסט, הערות שוליים, כותרות עליונות ותחתונות (הופכות לפסקאות רגילות) |
| מעבר עמוד בין עמודי ה־PDF | גופנים וצבעים (הכול ב־Arial) |
| טבלאות עם רווחים ברורים בין העמודות | טבלאות עם רווחים צרים או תאים ממוזגים |
| תמונות | גרפים ושרטוטים שמורכבים מקווים ולא מתמונה |
לחוזה או למכתב שרוצים לערוך, זה בדרך כלל מספיק. לחוברת מעוצבת, צריך לתקן את העימוד ביד.
PDF סרוק
אם באחד העמודים אין טקסט בכלל, הכלי אומר באיזה עמוד מדובר: כנראה סריקה או צילום של מסמך. העמוד הזה נכנס ל־Word כתמונה, כי בלי OCR אין ממנו טקסט לחלץ. כשצריך רק לשתף עמוד ולא לערוך אותו, פשוט יותר להשתמש בהמרת PDF ל־JPG, ואם רוצים להמיר רק חלק מהקובץ, אפשר לחתוך אותו קודם בפיצול PDF.