双栏论文 PDF 转 Word：如何保持正确的阅读顺序

视觉排版不等于 PDF 内部的阅读顺序

阅读双栏论文时，人会自然地从左栏顶部读到底部，再转到右栏顶部。但 PDF 内部的字符不一定按这个顺序保存。

PDF 可以只记录文字在页面上的坐标，而不记录段落和分栏结构。文件的生成方式不同，复制粘贴时可能出现以下问题：

• 左右两栏的行交替出现。
• 图注插入正文段落中间。
• 页码和页眉混入正文。
• 脚注出现在引用它的句子之前。
• 行末断词的连字符被原样保留。

所以转为 Word 后，除了确认能否提取文字，还要检查阅读顺序。下文涉及图片、图注和脚注的步骤属于通用核对方法，并不表示 PDFIntact 会自动保留这些内容。

转换前先识别不同页面版式

一篇论文很少从头到尾都使用同一种版式。先划分主要页面类型：

页面版式	常见位置	需要注意的内容
单栏	标题和摘要	通栏标题下方可能切换为双栏
双栏	正文	必须正确识别左右栏边界
双栏加通栏图片	结果或讨论部分	确认图片前后的正文如何衔接
脚注区域	页面底部	与正文分为不同区域
参考文献	论文末尾	每条文献应保持为一个完整条目

不要只根据标题页选择转换方式。还应检查论文中部和参考文献部分的页面。

重建正确的阅读顺序

1. 把每一页划分成区域

区分通栏内容、左栏、右栏、页眉、页脚和脚注。简单从页面中线切开并不可靠，因为跨两栏的标题、公式、图片或表格会被一分为二。

先找出通栏元素，再分别处理它上方和下方的双栏区域。

2. 确定每栏内部的顺序

先读取左栏从上到下的内容，再读取右栏。把页码和重复页眉排除在正文之外。

段首缩进、行距和字号可以帮助识别标题与新段落。若只按坐标对所有对象排序，附近的图片和脚注仍可能混进正文。

3. 核对图片与图注的对应关系

遇到跨两栏的图片或表格时，正文可能在其上方结束，然后从下方继续。通用核对时，应确认图注没有混入周围段落，并检查图号是否正确。

PDFIntact 不保证在 Word 中保留图片或图注。如有需要，应对照原始 PDF，另行核对图号、图注及“如图 2 所示”之类的引用。

4. 单独核对脚注

脚注位于页面底部，按坐标提取时可能直接接在右栏正文后面。PDFIntact 不保证把它转换为 Word 的脚注；如有需要，应对照原始 PDF 另行创建。

逐一确认正文中的脚注标记与正确的脚注编号对应。

5. 谨慎处理行末断词

英文论文的窄栏经常在行末用连字符拆分单词。批量删除全部连字符，也会破坏原本就带连字符的复合词。只在下列条件同时成立时考虑合并：

• 连字符位于视觉上的行末。
• 下一行以英文小写字母开头。
• 合并后的写法在词典或论文其他位置作为一个单词出现。

不确定的情况应保留原样，并标记为待复核。

导出 Word 后优先检查哪些位置

先检查版式边界，再通读全文：

1. 摘要切换到正文的位置
2. 每页左栏结尾与右栏开头
3. 前一页末尾与后一页开头
4. 通栏图片或表格前后的正文
5. 脚注标记及对应注释
6. 各条参考文献之间的换行

这些位置最容易暴露大范围的阅读顺序错误。

应该导出为 Word 还是 Markdown

如果需要核对可编辑的正文、标题、表格和公式，可选择 Word；若要比较版本或继续进行文本处理，Markdown 往往更方便。本文对 PDFIntact 的说明仅限于这四类内容；图片、图注和脚注仍须对照原始 PDF 单独核对。

复刻原始双栏版面和恢复内容的正确顺序是两个不同目标。用于编辑时，阅读顺序清楚的单栏文档通常比外观完全模仿 PDF 的文件更实用。

PDFIntact 的免费检查在浏览器内运行，不上传原始 PDF。它会报告页数、文本层状态以及检测到的表格和图形数量，但不会展示提取文本预览，也不会验证阅读顺序。转换后仍需抽查不同页面版式和以上边界位置。