DOCX 转 PDF

真正的排版，而不是截图

.docx 本质上是一个装着 XML 的 ZIP：一部分存放内容，一部分存放它所继承的样式，一部分存放列表定义，还有一部分存放图片。这个转换器会读取全部四个部分，像 Word 那样沿着样式链解析每个段落，然后进行排版——用真实的字体度量测量每个单词，在放不下的地方换行，在下一行将越过底边距时另起一页。

大多数浏览器端转换器采用的另一种做法，是把文档渲染到画布上，再把位图贴进 PDF 页面。那样省事得多，看起来也大致没错，但产出的文件体积会大好几倍，而且其中没有一个字能被选中、搜索或朗读。而在这里，每一个字符都是以文字形式写入的。

哪些内容会保留

文字

粗体、斜体、下划线、删除线、颜色，以及每段文本各自的字号。

结构

1-6 级标题，无论它来自样式名称还是大纲级别。

列表

项目符号和编号，包括嵌套层级、字母和罗马数字编号，以及文档中要求的重新编号。

版式

左对齐、居中、右对齐和两端对齐，首行缩进和悬挂缩进，制表位，以及段落间距。

表格

带边框的单元格网格、合并的列，以及重复的表头行。

图片

PNG 和 JPEG 图片，按文档中设定的尺寸呈现。

页面

页面大小、方向和四个边距，除非你在工具栏中另行指定。

哪些内容不会保留

• 页眉、页脚和脚注。 这些需要一个能在正文流之外预留空间、并在正文排定后再往里填内容的排版引擎。而本转换器只有单栏，没有这样的概念。
• 文本框和浮动形状。 任何锚定在固定位置、而非位于正文流中的元素都会被略去，而不是被放到一个看似合理实则错误的地方。
• 非拉丁文字。 所有 PDF 阅读器内置的字体只覆盖 Latin-1，仅此而已。超出这一范围的字符会变成问号，转换完成后会准确告诉你有多少个、是哪些。
• 逐页一致的分页。 在哪里分页由本转换器自行决定。内容是完整的，但分页方式是它自己的。

常见问题

我的 Word 文档会被上传到任何地方吗？

不会。.docx 的解压、读取和 PDF 排版都在你自己的浏览器标签页内完成。没有任何数据离开设备，这正是选择它而非那些给你发邮件链接的转换器的主要理由——合同、工资单或草稿永远不会变成别人手里的文件。

生成的 PDF 会和 Word 自带的导出结果一模一样吗？

接近，但不完全相同。标题、粗体和斜体、颜色、对齐方式、缩进、项目符号和编号列表、表格、图片、页面大小和页边距都会保留，换行位置也合理。不会保留的有：页眉页脚、脚注、文本框、浮动形状、分栏和页码。分页位置由本转换器自己的排版决定，因此不一定与 Word 逐页一致。

PDF 中的文字可以选中吗？

可以。每一个字符都以真实字体写成真实文字，因此结果可以搜索、复制、索引和朗读。那些逐页截图的转换器会生成大得多的文件，而上述功能一个都用不了。

PDF 使用哪些字体？

每个 PDF 阅读器都内置的三个字体家族：Times、Helvetica 和 Courier。每段文本会被映射到与文档指定字体最接近的那一个，因此 Calibri 文档会变成 Helvetica，Cambria 文档会变成 Times。不嵌入任何字体，这让文件保持小巧，并且在任何地方打开都一样。

中文、日文、阿拉伯文或西里尔文怎么办？

这些文字无法保留。PDF 内置字体只覆盖 Latin-1 范围，超出范围的字符会被替换为问号，并在转换后报告。拉丁字母语言——包括印尼语、英语和所有西欧语言——都能完整转换。

能打开 .doc 文件吗？

不能。旧的 .doc 是二进制格式，与由 XML 打包成 ZIP 的 .docx 毫无共同之处。请先在 Word、LibreOffice 或 Google Docs 中打开文件并另存为 .docx。