前言¶
PDF 转 Word 这件小事，在政务、审计、法务场景里经常翻车。纯文本型 PDF 用现成工具还能应付，一旦文件里混了几页扫描件（图片型页面），常见做法是先手工判断页型、再分两次转换，最后还要处理转换后中文之间的多余空格和乱码。
下面介绍的 SkillHub 技能 PDF转DOC（@user_169d53bc/pdf2docx），做的就是这一步：自动判断每一页的类型，文本页直接提取，扫描页走 OCR，一次性输出 Word 文档，并在后处理阶段清理中文空格、处理乱码。
这是什么¶
PDF转DOC 是一个面向中文办公场景的转换类 Skill，发布者 user_169d53bc，社区来源（community），版本 1.0.0，分类 office-efficiency，不需要 API Key（requires_api_key=false）。
它解决的问题是混合 PDF：同一份文件里既有文本页、也有扫描页，且扫描页可能是竖排、手写、带印章水印或方向不固定的复印件。
官方地址：
https://api.skillhub.cn/user_169d53bc/pdf2docx
需要说明一点：该技能运行在 Windows 下，因为转换用的核心 exe 文件不能上传。作者提供的索取方式是邮件 7726568@qq.com。这一点直接影响能不能用，下面「安装与启用」再展开。
核心功能¶
按资料中列出的能力，逐条说明。
1、文本型 PDF 直接提取文字。不需要走 OCR，速度最快。
2、扫描型 PDF 调用 Windows.Media.Ocr 自动识别。这是微软在 Windows 里内置的 OCR 引擎，与必应、Office、OneDrive 使用的同款。
3、混合型 PDF 自动判断页类型。内置页型检测：文本稀疏（少于 5 行）的页面自动切换到 OCR，其余页面直接提取文字，避免对文本页做无谓的识别。
4、四方向旋转取最优。扫描件方向不固定，技能自动尝试 0°、90°、180°、270° 四个方向，取文字识别量最高的结果，不需要人工预处理。
5、后处理去除汉字间多余空格。这是中文 PDF 转换里的常见问题，转换结果里每个汉字之间被塞了空格。
6、中文乱码诊断与修复。资料给出的判断是：乱码的根因不在 OCR 引擎，而在编码管道。该技能固定采用 GBK 解码加空格清理的组合。
7、目录批量转换。支持按目录批量处理，不是单文件往返。
安装与启用¶
需要说清楚：资料里没有给出命令行安装方式，也没有 Cursor / Codex CLI / Claude Code 的分别说明，这些就不写推测内容。
能核实到的只有两件事：
第一，获取方式。核心 exe 无法上传，因此实际使用需要先通过邮件 7726568@qq.com 向作者索取运行所需文件；技能本体的坐标是 @user_169d53bc/pdf2docx，在 SkillHub 页面（https://www.skillhub.cn/skills/user_169d53bc/pdf2docx）获取。
第二，运行环境。Windows。当前版本不具备在 macOS / Linux 上运行的条件。
如果你在选型，这一点应当优先确认：拿到 exe 之前，技能无法在本机跑起来。
典型用法¶
资料中给出的使用形态是「一键批量转换」：指定包含 PDF 的目录，技能按页型自动分流处理，输出 Word 文档。
输入侧的三种情况分别对应上面的能力：
文本型 PDF -> 直接提取文字
扫描型 PDF -> Windows.Media.Ocr 识别
混合型 PDF -> 逐页判断，稀疏页走 OCR，其余直接提取
输出侧统一做后处理：清理汉字间空格、按 GBK 解码管道避免乱码，并自动挑选四方向中识别量最高的结果。
资料中列出的对比测试数据来自审计场景，这里原样转述，供参考但不作为通用保证：采购投标文件 128,815 字，OCR 准确率 >99.5%；含印章、水印、歪斜页面的取证调查扫描件可正常识别。这两组数据来自技能方自己的测试，没有第三方复核。
适用场景与注意¶
适合谁，资料中给出了画像：
| 行业 | 典型场景 |
|---|---|
| 政府采购/招标代理 | 投标文件、竞争性磋商文件、技术规范书 |
| 审计/会计事务所 | 取证单、调查笔录、财务凭证扫描件 |
| 法院/检察院/司法 | 卷宗扫描件、证据材料、法律文书 |
| 档案馆/图书馆 | 历史档案数字化、古籍扫描件 |
| 企业法务/行政 | 合同协议扫描件、内部审批文件 |
需要注意的限制：
- 平台限制。仅 Windows，且核心 exe 需邮件索取，内网或对外部依赖敏感的环境要提前确认。
- 中文之外的语言文字。资料只针对中文做了竖排、手写体、复杂表格的优化说明，其他语种未提及。
- 手写体识别。资料称针对中文手写体优化，但实际准确率取决于扫描质量和书写规范，不要当成印刷体的同等对待。
- 复杂表格。表格结构能否完整还原，资料中没有给出明确保证，转换后建议人工抽检。
与常见方案的对比，资料给出的表格如下，可作为选型参考：
| 功能 | PDF转DOC | Adobe Acrobat | 在线转换网站 | PaddleOCR |
|---|---|---|---|---|
| 混合PDF支持 | 自动判断 | 需手动分页 | 需手动分页 | 需配置 |
| 中文OCR | 高准确率 | 无 | 准确率低 | 需训练 |
| 乱码处理 | 彻底解决 | 部分解决 | 经常乱码 | 需调参 |
| 批量转换 | 目录批量 | 支持但收费 | 限文件数 | 需写代码 |
| 离线运行 | 支持 | 支持 | 不支持 | 支持 |
| 旋转自动校正 | 四方向 | 不支持 | 不支持 | 需配置 |
结尾¶
PDF转DOC 的价值在于它把「先判断页型、再分别转换、最后修乱码」这三步合并成一步，并且是离线、按目录批量的。如果你的文件里扫描页比例不高，但分散出现，这类自动分流的做法比整份走 OCR 省时间。
官方地址：https://api.skillhub.cn/user_169d53bc/pdf2docx。
平台数据方面，SkillHub 页面显示评分 100000、下载 1491、安装 0（截至资料抓取时）；安装数为 0 与「exe 需邮件索取」一致，实际可用性以拿到运行文件为准。
