Chuyển PDF sang Word nghe như đổi định dạng, nhưng thực ra gần với việc dịch ngược hơn. PDF ghi lại vị trí của từng ký tự và từng dòng trên trang. Nó không ghi đoạn văn, cột hay bảng theo cách Word làm, nên bộ chuyển đổi phải đoán lại. Bộ chuyển đổi tốt đoán chuẩn với tài liệu gọn gàng và kém với tài liệu phức tạp.
Bài viết này hướng dẫn cách có kết quả tốt nhất từ công cụ PDF sang Word của TokPDF, cách biết PDF của bạn có cần OCR trước hay không, và nên kỳ vọng gì ở bảng biểu, cột và phông chữ.
Dùng thử ngay
Mở công cụ ngay trong trình duyệt của bạn. Không cần đăng ký.
Trước tiên, hãy kiểm tra PDF của bạn có văn bản thật không
Có hai loại PDF. PDF văn bản do phần mềm tạo ra, ví dụ xuất từ Word hoặc in ra PDF từ trình duyệt. Nó chứa ký tự thật. PDF scan là một xấp ảnh chụp các trang. Trên màn hình trông giống hệt nhưng bên trong không có văn bản, chỉ có điểm ảnh.
Phép thử chỉ mất năm giây. Mở PDF bằng bất kỳ trình xem nào và thử bôi đen một câu bằng chuột, hoặc nhấn Ctrl+F (Cmd+F trên Mac) và tìm một từ bạn nhìn thấy. Nếu văn bản được tô sáng hoặc tìm thấy, đó là PDF văn bản. Nếu bạn chỉ kéo được một khung bao quanh cả trang, hoặc tìm không ra gì, đó là bản scan.
Chuyển PDF văn bản sang Word
Với PDF văn bản, việc chuyển đổi chỉ có một bước. Không có thiết lập nào để chỉnh: TokPDF chuyển mọi trang bằng công cụ mã nguồn mở pdf2docx, chạy ngay trong trình duyệt của bạn qua WebAssembly. File của bạn không bị tải lên.
Mở PDF sang Word và thêm file PDF. Công cụ chỉ nhận một file mỗi lần.
Bắt đầu chuyển đổi. Lần chạy đầu tiên trên một thiết bị là chậm nhất, vì trình duyệt phải tải môi trường chạy Python và các thư viện chuyển đổi. Những lần chuyển đổi sau trong cùng phiên sẽ nhanh hơn.
Tải file .docx về và mở bằng Word, LibreOffice Writer, Google Docs hoặc Pages.
Cuộn qua toàn bộ tài liệu trước khi chỉnh sửa. Sửa các lỗi cấu trúc như bảng bị vỡ trước, rồi mới đổi câu chữ.
PDF scan: chạy OCR trước
Công cụ chuyển Word của TokPDF không thực hiện OCR (nhận dạng ký tự quang học). Nếu bạn đưa vào một bản scan, Word sẽ nhận các bức ảnh của trang và bạn không chỉnh sửa được. Bạn cần nhận dạng văn bản trước bằng OCR PDF.
OCR PDF dùng Tesseract, công cụ nhận dạng mã nguồn mở, cũng chạy trong trình duyệt của bạn, với dữ liệu ngôn ngữ được phục vụ từ chính trang web của TokPDF. Công cụ hỗ trợ 12 ngôn ngữ, gồm tiếng Anh, tiếng Trung giản thể và phồn thể, tiếng Nhật, Hàn, Tây Ban Nha, Pháp, Đức, Bồ Đào Nha và Ả Rập. Bạn có thể chọn nhiều ngôn ngữ nếu tài liệu pha trộn.
Mở OCR PDF, thêm bản scan và chọn ngôn ngữ của tài liệu.
Giữ độ phân giải ở High Quality trừ khi chữ rất nhỏ, khi đó hãy thử Ultra Resolution. Độ phân giải cao chậm hơn nhưng giúp ích với chữ nhỏ.
Nếu bạn chủ yếu cần phần chữ, hãy chọn Extract Plain Text File (.txt) hoặc Structured Markdown (.md) làm đầu ra, rồi dán văn bản vào Word và định dạng ở đó.
Nếu muốn giữ ảnh trang kèm lớp văn bản chọn được ở trên, hãy chọn Double-Layer Searchable PDF. Sau đó bạn có thể thử chuyển file này sang Word, nhưng hãy kiểm tra kỹ kết quả: văn bản đã nhận dạng nằm vô hình trên bản scan, và các bộ chuyển đổi xử lý lớp đó với kết quả không đồng đều.
Bố cục nào được giữ, bố cục nào không
Với tài liệu đơn giản như thư, báo cáo có tiêu đề hoặc CV một hay hai cột, file Word thường trông rất gần với PDF. Vấn đề xuất hiện ở những chỗ bố cục trực quan của PDF không có tương đương rõ ràng trong Word.
- Bảng có đường viền thường được dựng lại thành bảng Word thật. Bảng không viền, nơi các cột chỉ canh theo khoảng cách, không được nhận ra là bảng và đến dưới dạng văn bản được định vị. Với bảng dữ liệu, PDF sang Excel thường là lựa chọn tốt hơn.
- Phông chữ chỉ trông giống nhau nếu phông đó được cài trên máy mở file .docx. Nếu không, Word sẽ thay bằng phông tương tự và ngắt dòng có thể lệch.
- Trang nhiều cột, thanh bên và hộp văn bản được dựng lại từ vị trí. Hãy chuẩn bị chỉnh lại khoảng cách, và thỉnh thoảng cả thứ tự văn bản trong các bố cục phức tạp kiểu tạp chí.
- Đầu trang, chân trang và số trang có thể đến dưới dạng văn bản thường ở đầu và cuối mỗi trang thay vì các trường đầu trang, chân trang của Word.
- Hình ảnh được giữ lại. Biểu đồ vẽ bằng đồ họa vector có thể bị chuyển thành ảnh có độ phân giải thấp hơn.
Bạn có thực sự cần Word không?
Chuyển đổi là lựa chọn đúng khi bạn cần viết lại phần lớn tài liệu. Với việc nhỏ hơn, các công cụ khác giữ nguyên bố cục gốc:
- Để sửa lỗi chính tả, đổi ngày hoặc thay logo, hãy chỉnh sửa trực tiếp file PDF. Xem cách chỉnh sửa file PDF.
- Để dùng lại văn bản trên website hoặc ứng dụng ghi chú, PDF sang Markdown cho kết quả sạch hơn file Word.
- Để điền biểu mẫu, hãy dùng Điền biểu mẫu thay vì chuyển đổi.
- Để dịch tài liệu, hướng dẫn công cụ AI trình bày về công cụ dịch của TokPDF và các giới hạn của nó.
Quyền riêng tư
Cả chuyển đổi sang Word lẫn OCR đều chạy trên thiết bị của bạn, nên hợp đồng, phiếu lương và thư y tế không bao giờ rời khỏi máy tính. Đổi lại là tốc độ trên phần cứng yếu: một tài liệu 200 trang có thể mất vài phút trên laptop đời cũ, và rời khỏi tab khi đang xử lý có thể làm chậm thêm trên một số trình duyệt. Lưu ý rằng bấm Cancel chỉ đặt lại màn hình chứ không dừng được quá trình chuyển đổi đã bắt đầu, nên hãy tải lại trang nếu bạn cần giải phóng thiết bị.
Câu hỏi thường gặp
Vì sao file Word sau khi chuyển chỉ toàn là hình ảnh?
Tôi có thể chỉ chuyển một vài trang không?
Việc chuyển đổi có miễn phí không?
Công cụ có dùng được với PDF có mật khẩu không?
OCR hỗ trợ những ngôn ngữ nào?
Dùng thử ngay
Mở công cụ ngay trong trình duyệt của bạn. Không cần đăng ký.