* Conoscenza del computer >> sistemi >  >> Windows 2016

Convertire PDF in Word su Linux: Google Docs, LibreOffice, pdftotext, OCR

Su Linux non c'è Microsoft Word nativo, ma LibreOffice Writer apre e modifica .docx perfettamente. La conversione PDF → Word (.docx) richiede estrazione layout/testo. Nessun metodo è perfetto al 100% (PDF è formato finale, non sorgente).

Metodo 1: Google Docs (cloud, migliore layout complesso)

  1. Browser → docs.google.com → accedete con account Google.
  2. File → Apri → Carica → trascinate il PDF.
  3. Google Docs converte (OCR se scansione, estrazione testo se nativo).
  4. File → Scarica → Microsoft Word (.docx).
  5. Aprite in LibreOffice per verifica/ritocchi.

Vantaggi: Migliore gestione tabelle, colonne, font, immagini. Limiti: Upload su cloud (privacy), max 50 MB/file, richiede Internet.

Metodo 2: LibreOffice Writer (offline, nativo Linux)

  1. File → Apri → selezionate PDF.
  2. Si apre in LibreOffice Draw (modulo grafico) per default.
  3. Per aprire in Writer: File → Apri → in basso "Tipo file" → PDF - Portable Document Format (Writer) → Apri.
  4. Oppure: tasto destro PDF → Apri con → LibreOffice Writer.
  5. Modificate → File → Salva con nome → Word 2007-365 (.docx).

Qualità: Buona per testo semplice. Tabelle complesse → spesso spezzate. Colonne → lineari. Immagini → estratte ma posizione relativa persa.

Metodo 3: pdftohtml / pdftotext (Poppler) + conversione manuale (testo puro)


# Solo testo (perdita totale formattazione)
pdftotext -layout input.pdf output.txt
# -layout mantiene approssimativa posizione colonne

# HTML con struttura (poi apri in LibreOffice Writer → salva .docx)
pdftohtml -c -hidden -noframes input.pdf output.html
# -c = complex (CSS), -hidden = testo nascosto, -noframes = no frameset

Poi: libreoffice --headless --convert-to docx output.html.

Metodo 4: OCR per PDF scansioni / immagini (Tesseract + OCRmyPDF)


# OCRmyPDF: aggiunge layer testo ricercabile al PDF (non converte in Word)
ocrmypdf -l ita input.pdf output_ocr.pdf

# Poi Metodo 1 o 2 su output_ocr.pdf

Tesseract lingue: tesseract --list-langs → installate tesseract-ocr-ita (Debian/Ubuntu), tesseract-langpack-it (Fedora), tesseract-data-ita (Arch).

Metodo 5: Strumenti online (solo file non sensibili)

⚠ Non caricare documenti riservati.

Metodo 6: AbiWord (legacy, leggero)


abiword --to=docx input.pdf

Qualità inferiore a LibreOffice.

Confronto qualità (test su PDF nativo complesso: tabelle, colonne, immagini, note)

MetodoTabelleColonneImmaginiFontNote a piè paginaPrivacy
Google Docs★★★★☆★★★★☆★★★★★★★★★☆★★★☆☆Cloud
LibreOffice Writer★★★☆☆★★☆☆☆★★★★☆★★★☆☆★★☆☆☆Locale
pdftohtml + LO★★☆☆☆★★☆☆☆★★★☆☆★★☆☆☆★☆☆☆☆Locale
AbiWord★☆☆☆☆★☆☆☆☆★★☆☆☆★☆☆☆☆★☆☆☆☆Locale

Workflow consigliato per documenti importanti

  1. Google Docs per conversione iniziale (miglior layout).
  2. Scaricate .docx.
  3. Aprite in LibreOffice Writer per ritocchi offline, verifica, salvataggio finale.
  4. Se scansione: prima OCRmyPDF → poi Google Docs.

Windows 2016