Hướng dẫn
Vì sao chuyển PDF sang Word bị lỗi định dạng
Vì sao bố cục, bảng và cột bị xô lệch khi chuyển PDF sang Word, vì sao PDF dạng scan không cho ra chữ, và bạn có thể làm gì để có kết quả tốt hơn.
Tác giả: Hemen Dönüştür Editör EkibiNgày đăng: 9 phút đọc
Bạn đã chuyển một tệp PDF sang Word, nhưng trong kết quả các bảng biến thành văn bản thường, một trang hai cột dồn lại thành một cột, hoặc chỗ xuống dòng nằm ở vị trí khác. Đó thường không phải "lỗi" của trình chuyển đổi mà là hệ quả của việc hai định dạng hoạt động theo những cách khác nhau về bản chất. Hướng dẫn này giải thích sự khác biệt giữa PDF và Word, những vấn đề thường gặp nhất và bạn có thể làm gì để có kết quả tốt hơn.
Khác biệt cốt lõi: trang cố định và văn bản chảy
PDF là định dạng bố cục cố định, được thiết kế để tài liệu hiển thị giống nhau trên mọi thiết bị và máy in. Bài viết "Opening PDFs in Word" (Mở PDF trong Word) của Microsoft diễn đạt như sau: một tệp PDF lưu vị trí của văn bản, hình ảnh và đồ họa vector trên trang, nhưng không nhất thiết lưu mối quan hệ giữa chúng. Nói cách khác, PDF ghi lại "những chữ cái này nằm ở điểm này trên trang"; nó thường không ghi lại "đây là một đoạn văn", "đây là một ô trong bảng" hay "đoạn chữ này tiếp tục ở cột thứ hai".
Word là định dạng văn bản chảy. Văn bản chảy thành các đoạn, chỗ ngắt trang được tính lại khi bạn gõ, và bảng được tạo nên từ hàng và ô. Chuyển PDF sang Word nghĩa là suy ra cấu trúc đó từ các vị trí. Microsoft cũng đưa ra cảnh báo tương tự về tính năng chuyển đổi của chính họ: tài liệu sau khi chuyển đổi có thể không khớp hoàn hảo từng trang với bản gốc, và chỗ ngắt dòng, ngắt trang có thể rơi vào vị trí khác.
Các lỗi bố cục thường gặp nhất và nguyên nhân
Bảng biến thành văn bản thường
Trong PDF, một bảng thường chỉ là các mẩu văn bản và đường kẻ được đặt ở những vị trí nhất định; không có thông tin về hàng hay ô. Microsoft liệt kê bảng có khoảng cách giữa các ô vào danh sách những thành phần được biết là gây vấn đề khi chuyển PDF sang Word. Trình chuyển đổi của chúng tôi không dựng lại bảng PDF thành bảng Word: chữ trong các ô được đưa vào tài liệu Word dưới dạng đoạn văn thông thường, và các ô trên cùng một hàng có thể bị ghép thành một dòng văn bản.
Cột và hộp văn bản biến mất
Trình chuyển đổi của chúng tôi dựng tài liệu văn bản chảy bằng cách đọc trang từ trên xuống dưới, và các mục trên cùng một dòng từ trái sang phải. Với văn bản một cột, cách này cho ra đúng thứ tự đọc. Tuy nhiên, trên những trang nhiều cột kiểu báo hoặc tạp chí, các dòng ở cùng độ cao trong hai cột cạnh nhau có thể bị trộn lẫn. Bố cục cột và hộp văn bản không được giữ lại trong kết quả Word.
Phông chữ thay đổi
Trình chuyển đổi của chúng tôi mang tên phông chữ, cỡ chữ và màu chữ sang tài liệu Word. Tuy nhiên, phông chữ được nhúng bên trong PDF không đi theo; khi bạn mở tài liệu, Word dùng các phông chữ được cài trên máy tính của bạn. Nếu bạn không có cùng phông chữ đó, Word sẽ thay bằng một phông tương tự, làm thay đổi độ dài dòng và do đó cả chỗ ngắt trang. Những phông chữ không được cài trên máy chủ của chúng tôi cũng được thay bằng phông gần tương đương trong lúc chuyển đổi.
Xuống dòng và đoạn văn
Nếu bạn từng sao chép văn bản từ PDF, hẳn bạn đã thấy một dấu xuống dòng cứng ở cuối mỗi dòng. Trình chuyển đổi của chúng tôi ghép các dòng đó lại thành đoạn văn thực sự, còn những dòng ngắn và dòng kết thúc câu vẫn được giữ thành dòng riêng. Cách suy đoán này hiệu quả với hầu hết văn bản, nhưng với thơ, khối địa chỉ hay danh sách có dòng ngắn, bạn có thể thấy vài dòng bị ghép lại hoặc bị tách ra.
Nền, đường viền và các thành phần đặc biệt
Ảnh nền toàn trang không được đưa vào kết quả Word. Theo danh sách của Microsoft, màu trang và viền trang, khung, chú thích cuối trang kéo dài hơn một trang, chú thích cuối tài liệu, dấu trang PDF, nhận xét và các hiệu ứng phông chữ như phát sáng hay đổ bóng cũng được biết là gây vấn đề khi chuyển PDF sang Word.
PDF dạng scan và OCR
Một tệp PDF dạng scan được tạo từ ảnh chụp các trang; nó không chứa văn bản có thể chọn. Muốn lấy chữ từ tệp như vậy cần OCR (nhận dạng ký tự quang học). Trình chuyển đổi của chúng tôi không chạy OCR: một PDF scan chỉ gồm hình ảnh sẽ không cho ra chữ nào và quá trình chuyển đổi trả về kết quả trống.
Kiểm tra một tệp PDF có phải dạng scan hay không rất dễ: hãy thử bôi chọn văn bản bằng chuột trong trình đọc PDF. Nếu bạn không chọn được chữ và cả trang hoạt động như một bức ảnh, tệp đó là bản scan. Khi đó, hãy thêm lớp văn bản bằng một công cụ OCR trước rồi mới chuyển đổi. Trang hỗ trợ của Microsoft về văn bản scan gợi ý dùng phần mềm OCR đi kèm máy scan, hoặc Microsoft Lens, ứng dụng có thể lưu thẳng thành tài liệu Word chỉnh sửa được; cùng trang đó lưu ý rằng chữ viết tay hiếm khi được nhận dạng và bạn luôn nên đọc soát lại văn bản sau khi OCR.
Trình chuyển đổi của chúng tôi giữ lại những gì
Trên công cụ chuyển PDF sang Word của chúng tôi, quá trình chuyển đổi chạy trên máy chủ; tệp PDF bạn tải lên và tệp DOCX kết quả đều bị xóa chậm nhất trong vòng 30 phút. Kết quả giữ lại:
- Phần thân văn bản theo thứ tự đọc, với các dòng được ghép thành đoạn
- Tiêu đề được nhận diện dựa trên cỡ chữ
- Danh sách gạch đầu dòng và danh sách đánh số liên tiếp
- Hình ảnh nhúng trong PDF
- Tên phông chữ, cỡ chữ, màu chữ và căn lề ước tính
Những gì không được giữ lại: bố cục cột, hộp văn bản, cấu trúc bảng và ảnh nền toàn trang. PDF có mật khẩu không thể chuyển đổi cho đến khi gỡ mật khẩu.
Tóm lại, bạn sẽ có kết quả tốt nhất với các tài liệu một cột, nhiều chữ, được lưu thẳng thành PDF từ trình xử lý văn bản. Microsoft cũng nói điều tương tự về tính năng chuyển đổi PDF của họ: nó hoạt động tốt nhất với những tệp PDF chủ yếu là chữ. Hợp đồng, báo cáo, thư từ và bài viết thuộc nhóm này; tờ rơi, trang tạp chí, biểu mẫu và bảng tài chính dày đặc sẽ cần chỉnh sửa thủ công nhiều hơn sau khi chuyển đổi.
Mẹo để có kết quả tốt hơn
- Tìm tệp gốc. Nếu PDF được tạo từ một tài liệu Word, tệp DOCX gốc luôn tốt hơn mọi bản chuyển đổi. Hãy xin phiên bản Word từ người tạo ra tài liệu.
- Cho PDF dạng scan chạy qua OCR trước. Nếu không chọn được chữ, hãy thêm lớp văn bản trước khi chuyển đổi.
- Gỡ mật khẩu. Mở tệp PDF được bảo vệ trong trình đọc bằng mật khẩu của nó, lưu một bản sao không có bảo vệ và tải bản sao đó lên.
- Chọn đúng định dạng đích. Nếu chỉ cần phần chữ, PDF sang TXT tránh hoàn toàn sự lộn xộn về định dạng. Để có văn bản gọn gàng mà vẫn giữ tiêu đề và danh sách, hãy thử PDF sang Markdown. Nếu một hệ thống cũ chỉ nhận .doc, hãy dùng công cụ chuyển PDF sang DOC.
- Dựng lại bảng bằng tay. Với các bảng phức tạp, tạo một bảng mới trong Word rồi đặt phần chữ đã chuyển đổi vào các ô thường là cách nhanh nhất.
- Kiểm tra phông chữ. Nếu các dòng bị xô lệch trong kết quả, hãy đổi phông chữ của tài liệu sang một phông được cài trên máy tính của bạn.
- Chuyển lại thành PDF khi xong việc. Trước khi chia sẻ một tài liệu đã chỉnh sửa trong Word, hãy chuyển nó bằng Word sang PDF để cố định lại bố cục.
Câu hỏi thường gặp
Có chuyển PDF dạng scan sang Word được không?
Không thể chuyển trực tiếp bằng công cụ của chúng tôi, vì chúng tôi không chạy OCR và các trang scan không có văn bản để chọn. Hãy cho tệp chạy qua một công cụ OCR để thêm lớp văn bản trước, rồi mới chuyển đổi.
Bảng trong PDF của tôi có thành bảng Word không?
Không. PDF lưu bảng dưới dạng các mẩu văn bản được đặt vị trí, không phải dưới dạng hàng và ô, và trình chuyển đổi của chúng tôi không dựng lại bảng từ đó. Chữ trong các ô được chuyển sang dưới dạng đoạn văn.
Vì sao số trang lại thay đổi?
Word cho văn bản chảy và tự tính chỗ ngắt trang. Những khác biệt nhỏ về phông chữ, lề và các dòng được ghép làm dịch chuyển chỗ ngắt trang, nên số trang có thể thay đổi.
Vì sao chữ bị trộn lẫn trong PDF nhiều cột?
Trình chuyển đổi của chúng tôi đọc trang từ trên xuống dưới và mỗi dòng từ trái sang phải, nên các dòng ở cùng độ cao trong hai cột cạnh nhau có thể bị ghép lại. Với những tài liệu như vậy, hãy kiểm tra văn bản theo từng cột.
Nên chuyển PDF sang DOCX hay DOC?
Nếu bạn dùng Word 2007 trở lên, Google Docs hoặc LibreOffice, hãy chọn tệp DOCX do công cụ chuyển PDF sang Word tạo ra; định dạng này được hỗ trợ rộng rãi hơn. Chỉ chọn DOC nếu phía bên kia dùng Word 97-2003 hoặc hệ thống bạn tải lên chỉ chấp nhận .doc.
Tệp của tôi có an toàn không?
Tệp PDF chỉ được tải lên máy chủ của chúng tôi để chuyển đổi; cả tệp tải lên lẫn tài liệu Word kết quả đều bị xóa chậm nhất trong vòng 30 phút. Không cần đăng ký tài khoản.
