PDFFileProductivityDeveloper
PDF sang Văn Bản
Rút toàn bộ văn bản có thể chọn ra khỏi một PDF để bạn có thể sao chép hoặc tải xuống dưới dạng tệp .txt thuần.
Drag & drop your PDF
or choose a file below
PDF · up to 50 MB
Cách trích xuất văn bản từ một PDF
Tải lên PDF của bạn và công cụ đọc ra toàn bộ văn bản có thể chọn của nó. Bạn có thể sao chép kết quả vào bộ nhớ tạm hoặc tải xuống dưới dạng tệp .txt.
PDF được quét
Công cụ này trích xuất văn bản đã được nhúng sẵn trong PDF. Các tài liệu được quét chỉ là ảnh sẽ không chứa văn bản có thể chọn.
Từng bước: trích xuất văn bản từ PDF
• Nhấp vào vùng tải lên hoặc kéo tệp PDF vào đó.
• Nhấn Trích xuất văn bản. Công cụ đọc từng trang theo thứ tự; tài liệu lớn có thể mất vài giây.
• Xem kết quả trong ô văn bản bên dưới các nút. Bạn có thể cuộn và đổi kích thước ô để đọc tài liệu dài.
• Chọn Sao chép văn bản để đưa toàn bộ vào bộ nhớ tạm, hoặc Tải xuống .txt để lưu tệp văn bản thuần giữ nguyên tên tệp gốc.
• Chọn Trích xuất từ PDF khác để xóa kết quả và bắt đầu lại.
Văn bản được dựng lại như thế nào
PDF không lưu đoạn văn như trình soạn thảo văn bản. Nó lưu các mẩu văn bản nhỏ đặt ở những vị trí trên trang. Công cụ thu thập các mẩu này theo từng trang, nối chúng bằng dấu cách và xuống dòng ở nơi PDF đánh dấu cuối dòng. Các trang được ngăn cách bằng một dòng trống và khoảng trắng thừa ở cuối dòng được loại bỏ. Kết quả là văn bản thuần UTF-8 mở được trong mọi trình soạn thảo, như Notepad, TextEdit, VS Code hay Google Docs.
Những gì được giữ và không được giữ
• Được giữ: mọi văn bản có thể chọn, gồm tiêu đề, nội dung chính, chú thích ảnh, đầu trang, chân trang và số trang.
• Không được giữ: hình ảnh, phông chữ, màu sắc, chữ đậm hoặc nghiêng, liên kết và bố cục trang.
• Bảng trở thành các dòng chữ cách nhau bằng dấu cách thay vì cột, vì vậy hãy kiểm tra kỹ số liệu trước khi dùng lại.
• Với trang nhiều cột, thứ tự theo cách văn bản được lưu trong PDF, thường nhưng không phải lúc nào cũng là thứ tự đọc.
Ứng dụng thực tế
• Trích dẫn hoặc dùng lại đoạn văn từ báo cáo, sách điện tử hay bài nghiên cứu mà không cần gõ lại.
• Dán nội dung vào công cụ đếm từ, dịch thuật, tìm kiếm hoặc trợ lý AI.
• Tạo kho lưu trữ văn bản thuần có thể tìm kiếm cho hóa đơn, sao kê hoặc hợp đồng.
• Kiểm tra PDF thực sự chứa văn bản gì, chẳng hạn trước khi nộp vào hệ thống tự động đọc văn bản.
Khắc phục sự cố
Nếu thấy "Không tìm thấy văn bản có thể chọn", PDF rất có thể là bản quét hoặc ảnh chụp trang. Hãy chạy nó qua OCR PDF trước để thêm lớp văn bản, rồi trích xuất văn bản tại đây. Nếu tệp không mở được vì có mật khẩu, hãy gỡ mật khẩu bằng Mở khóa PDF. Nếu một số ký tự hiện thành ô vuông hoặc ký hiệu lạ, PDF dùng phông chữ không có ánh xạ ký tự đúng; văn bản không thể khôi phục đáng tin cậy từ tệp đó, vì vậy hãy thử nguồn khác hoặc OCR. Nếu tệp bị hỏng không tải được, hãy thử Sửa PDF trước.
Mẹo để có kết quả gọn gàng hơn
• Nếu chỉ cần một phần của tài liệu dài, hãy dùng Trích xuất trang trước để kết quả chỉ chứa những trang đó.
• Sau khi dán vào trình soạn thảo văn bản, dùng tìm và thay thế để nối các dòng bị ngắt giữa câu.
• Những từ bị ngắt bằng gạch nối ở cuối dòng trong PDF gốc vẫn bị tách, vì vậy hãy tìm gạch nối ở cuối dòng khi chỉnh sửa văn bản.
• Với bảng mà bạn định tính toán, PDF sang Excel thường giữ hàng và cột tốt hơn văn bản thuần.
• Đổi tên tệp .txt đã tải xuống nếu nhiều lần trích xuất có tên giống nhau.
Câu hỏi thường gặp
Chỉ khi bản quét đã được chạy qua OCR. Các bản quét chỉ có ảnh không chứa văn bản có thể chọn để trích xuất.