文件转换与处理的实用图文教程，每篇解决一个真实问题
识别输出只保证按它认到的行顺序给出文字与换行，不做分栏还原。想保住阅读顺序，就把每一栏单独裁开分别识别再拼接，一次提交多张时结果按上传顺序排。
不用你自己转：WEBP 可以直接上传，但送识别前会先重编码成 JPEG。多这一道有损编码，小字和浅字会再降一档，要紧的图存成 PNG 或 JPG 再传更稳。
描边颜色映射成颜色号、虚线的间隔数组落成命名线型，映射不上就统一画成连续线；靠名称表达的语义必然丢失，交付前先用查看器逐项复核丢了哪几项。
从 PDF 和网页复制会带进不换行空格、软连字符与零宽字符，肉眼看不见却占位。先把它们显示出来定位，再按类别一次批量删除，比凭手感敲空格可靠得多。
走转格式加合并三步：Word、PPT 各自先转成 PDF，在合并列表里拖好顺序合成一本，最后统一加页码或水印。不要在办公软件里复制粘贴合本，那样页边距、页眉和编号会全乱。
核对系统导出的 XML 单据，先把属性值和元素文字这两个位置分开看：同一名称的字段可能挂在开始标签的属性里，也可能夹在首尾标签中间，只抓后者就会整列丢空。先在格式化视图确认结构，再决定留 XML 还是出表。
这不是打不开。XML 装的是数据不是版式，浏览器只按标签结构折叠展示。给人看就把字段抽成表格再导出，给系统用就保持 XML 原样并先做结构与编码校验，别顺手改标签名。
XML转换能列出「元素路径 → 属性名 = 值」的完整对应关系并导出 CSV 或 JSON。做配置清点、字段台账时，这条路比通读整份文档快得多，但命名空间前缀需要人工归一。
文字交给识别，公式与插图必须留原图；按页拍、公式密集页先挑出来单存，转完走「原图加识别文字」双轨整理，别指望识别把式子变成可编辑内容。
接龙数据清洗的顺序是先全角转半角并去掉空行，再按学号列去重，最后核对总行数与应交人数。顺序反了会让本该相同的两条记录因不可见字符被判成不同，重复项漏删。
按图号排序后用 PDF 合并成一份，整体加上「第 X 页共 Y 页」再交；原始点集与表格数据不塞正文，另打一个 ZIP 随附交付。
先判断出问题那份是文字型 PDF 还是扫描件：前者能转回 Word 直接改字，后者改了也不生效；改动量小的那一份优先改，并同步全部关联单据。