Chuyển PDF sang TXT: trích xuất văn bản từ PDF
Để trích xuất văn bản từ PDF, hãy tải tệp lên và chọn TXT làm đầu ra. Máy chủ của chúng tôi đọc lớp văn bản của PDF, nối các dòng bị ngắt thành đoạn văn, loại bỏ mọi định dạng và lưu tệp .txt UTF-8 có dấu thứ tự byte (BOM), để ký tự có dấu và không phải Latin hiển thị đúng. PDF dạng quét không có lớp văn bản và không chạy OCR, nên không cho ra văn bản.
- Miễn phí, không cần đăng ký
- Tệp bị xóa trong vòng 30 phút
- Tối đa 100 MB
Tệp được xóa vĩnh viễn khỏi máy chủ của chúng tôi trong vòng 30 phút.
Cách chuyển PDF sang TXT
Tải tệp PDF lên
Kéo tệp PDF vào khu vực tải lên hoặc chọn tệp từ máy (tối đa 100 MB).
Giữ TXT làm định dạng đích
TXT đã được chọn sẵn trong menu; bạn có thể chọn định dạng khác nếu cần.
Chuyển đổi và tải xuống
Nhấn «Chuyển đổi» và tệp đã chuyển đổi sẽ tự động được tải xuống.
Những gì được giữ nguyên?
Được giữ nguyên
- Toàn bộ văn bản trích xuất được theo thứ tự đọc
- Các điểm ngắt đoạn
- Ký tự Unicode (UTF-8 có BOM)
Có thay đổi
- Tiêu đề và mục danh sách trở thành các dòng thông thường
Không được chuyển sang
- Chữ đậm, chữ nghiêng, màu sắc và phông chữ
- Hình ảnh
- Cấu trúc bảng
Khi nào nên dùng
Đưa văn bản vào công cụ AI và script
Khi bạn muốn dán PDF vào chatbot, dịch vụ dịch thuật hay script của riêng mình, một tệp văn bản sạch, không nhiễu bố cục là đầu vào dễ đoán nhất và tránh các ký tự lạ do sao chép và dán.
Tìm kiếm và so sánh các phiên bản tài liệu
Văn bản thuần giúp tìm kiếm trong PDF dễ dàng bằng bất kỳ trình soạn thảo hay công cụ dòng lệnh nào, và cho phép bạn so sánh hai phiên bản hợp đồng hoặc báo cáo bằng công cụ diff tiêu chuẩn để thấy chính xác điều gì đã thay đổi.
Những hạn chế cần biết
- Không có OCR: PDF dạng quét báo lỗi kết quả trống.
- PDF được mã hóa sẽ bị từ chối.
- Với trang nhiều cột, thứ tự dòng theo bố cục nội bộ của PDF.
Về các định dạng
PDF là gì?
PDF (Portable Document Format) là định dạng tài liệu có bố cục cố định do Adobe tạo ra và được chuẩn hóa theo ISO 32000. Mỗi đoạn văn bản, hình ảnh và đường nét đều được lưu cùng vị trí trên trang, vì vậy PDF hiển thị giống nhau trên mọi thiết bị và in ra ổn định. Đổi lại, việc chỉnh sửa sẽ khó hơn: PDF lưu vị trí trên trang chứ không lưu đoạn văn hay bảng biểu. PDF dạng quét chỉ chứa ảnh của các trang và cần OCR (nhận dạng ký tự quang học) trước khi có thể trích xuất văn bản.
TXT là gì?
Tệp TXT chỉ chứa ký tự, không có định dạng, hình ảnh hay thông tin bố cục trang. Tệp mở được trong mọi chương trình, từ Notepad đến các trình soạn thảo mã, và là loại tài liệu nhỏ gọn, dễ mang đi nhất. Các ký tự có dấu và ký tự không phải Latin có hiển thị đúng hay không phụ thuộc vào bảng mã; UTF-8, chuẩn hiện nay, xử lý được hầu như mọi ngôn ngữ. Văn bản thuần rất phù hợp để tìm kiếm, lưu trữ và chuyển nội dung giữa các hệ thống.
Câu hỏi thường gặp
Vì sao tệp TXT của tôi trống, hoặc vì sao tôi gặp lỗi?
Nhiều khả năng PDF của bạn là bản quét. PDF tạo từ máy quét hoặc camera điện thoại chỉ chứa ảnh các trang, không có văn bản chọn được, và dịch vụ này không thực hiện OCR. Nếu bạn không thể dùng chuột bôi đen chữ trong PDF, hãy cho tệp đi qua một công cụ OCR trước khi trích xuất văn bản.
Tệp TXT dùng bảng mã ký tự nào?
Kết quả là UTF-8 có dấu thứ tự byte (BOM). Sự kết hợp này giúp chữ cái có dấu, các ký tự tiếng Thổ Nhĩ Kỳ như ş và ğ, cùng các hệ chữ không phải Latin khác hiển thị đúng trong Notepad của Windows, TextEdit của macOS và các trình soạn thảo mã, mà không cần đổi bảng mã thủ công.
Nếu tôi muốn giữ tiêu đề và danh sách thì sao?
Văn bản thuần không thể lưu tiêu đề, chữ đậm hay hình ảnh. Nếu bạn muốn một tệp nhẹ vẫn đánh dấu được tiêu đề và danh sách, hãy chuyển PDF sang Markdown; nếu cần một tài liệu định dạng đầy đủ để chỉnh sửa, hãy chuyển PDF sang Word.
Chuyển PDF sang TXT có miễn phí không?
Có, hoàn toàn miễn phí. Không cần tài khoản, gói đăng ký hay watermark — chỉ cần tải tệp lên và chuyển đổi.
Tệp của tôi có an toàn không và khi nào bị xóa?
Tệp của bạn được truyền qua HTTPS và lưu trên máy chủ của chúng tôi dưới một mã ngẫu nhiên. Tệp tải lên và tệp kết quả bị xóa vĩnh viễn trong vòng 30 phút, và liên kết tải xuống chỉ hoạt động với người có mã duy nhất của bạn.