Chuyển đến nội dung
Bài viết

Cách chuyển PDF sang Word có thể chỉnh sửa

Tệp mở được trong Word nhưng con trỏ không vào được văn bản? Vì sao mặc định cho ra ảnh, chế độ liền mạch khác chế độ chính xác ra sao và tiêu đề đầu trang đã đi đâu.

Tóm lại: Muốn có tệp Word chỉnh sửa được thật sự, hãy đổi loại kết quả sang liền mạch trong PDF sang Word trực tuyến. Mặc định là chính xác: mỗi trang được chèn vào dưới dạng ảnh, kèm một lớp văn bản ẩn để tìm kiếm. Chế độ liền mạch dựng lại đoạn văn, đề mục và bảng Word đúng nghĩa.

Nhóm chủ đề

hướng dẫn từng bước

hướng dẫn từng bước: PDF guidance for reliable document processing and quality checks.

13 bài viết

Công cụ chính

PDF sang Word trực tuyến

Mở công cụ được nhắc đến trong bài viết để thực hiện thao tác bằng ngôn ngữ hiện tại.

Mở công cụ

Mục lục

Chuyển PDF thành tài liệu Word có thể chỉnh sửa

Yêu cầu hầu như lúc nào cũng giống nhau: vài đoạn trong một tệp PDF ai đó gửi cần được sửa. Và lần thử đầu tiên hầu như lúc nào cũng gây thất vọng. Tệp mở được trong Word, trông hoàn hảo, nhưng con trỏ không vào được văn bản. Đó không phải lỗi chuyển đổi mà là hệ quả của thiết lập được chọn sẵn.

Mặc định bạn nhận được ảnh, không phải văn bản

Công cụ có hai chế độ, và nút chuyển giữa chúng gọi là loại kết quả. Chế độ chính xác được chọn sẵn, và nó làm đúng như đã hứa: giữ nguyên diện mạo của trang từng chữ một. Cách làm khá thô. Mỗi trang PDF được kết xuất thành một ảnh rồi chèn nguyên vào tài liệu Word.

Từ đó mới có cảm giác bị đánh lừa. Đó là tệp .docx, mở được trong Word, các trang khớp với bản gốc về kích thước và hướng, vậy mà không có gì để sửa: thứ nằm trên trang là những bức ảnh.

Chế độ thứ hai, liền mạch, tháo trang ra từng phần rồi dựng từ đó một tài liệu Word thật: đoạn văn, đề mục, danh sách và bảng. Đổi lại, nó không giữ được vị trí chính xác của từng thành phần trên trang.

Chế độBên trong có gìBạn làm được gì
Chính xácẢnh của từng trang và một lớp văn bản ẩnĐọc, tìm kiếm trong văn bản, in
Liền mạchĐoạn văn, đề mục, danh sách và bảng WordSửa văn bản, đổi kiểu dáng, làm việc với bảng

Lựa chọn này không phải chuyện chất lượng mà là chuyện công việc. Tài liệu cần chuyển tiếp trong một định dạng văn phòng quen thuộc và giữ nguyên thì hợp với chế độ chính xác. Tài liệu cần thay đổi thì hợp với chế độ liền mạch, còn chỉnh chế độ chính xác thế nào cũng không cho ra văn bản sửa được.

Bên trong tệp chế độ chính xác có gì

Ảnh trang không phải toàn bộ nội dung. Bên dưới nó là văn bản lấy ra từ PDF, được đánh dấu ẩn: không hiện trên màn hình và khi in, nhưng tìm kiếm trong tài liệu vẫn thấy.

Điều đó làm chế độ chính xác hữu ích ở chỗ trông có vẻ vô nghĩa. Một bản hợp đồng cần gửi đi rồi sau này tra cứu câu chữ sẽ dùng tốt theo cách này: giữ nguyên diện mạo, tìm kiếm hoạt động, và không ai vô tình sửa nó. Sau khi xử lý, chính công cụ cũng báo rằng tài liệu không phải văn bản chỉnh sửa được, và thông báo đó nên đọc thay vì đóng đi.

Kích thước và hướng trang được lấy từ PDF nguồn theo từng trang. Một trang ngang xen giữa tài liệu dọc vẫn là trang ngang.

Cách có được tài liệu chỉnh sửa được

1. Mở PDF sang Word trực tuyến và tải tệp lên. 2. Đổi loại kết quả sang liền mạch. Đây là thao tác duy nhất có ý nghĩa, và thiết lập mặc định không làm hộ bạn. 3. Quyết định xem bạn có cần ảnh xem trước trang hay không (xem phần bên dưới), và tắt đi nếu không cần. 4. Chạy tác vụ và tải tệp .docx về. 5. Mở tài liệu và xem qua Ngăn Dẫn hướng: nó cho biết những đề mục nào đã được nhận diện. 6. Kiểm tra các bảng và trang đầu, nơi thường xảy ra mất mát nhất.

Tiêu đề đầu trang biến mất là có chủ ý

Chế độ liền mạch chạy một lượt riêng trên toàn bộ tài liệu để tìm các dòng lặp lại. Có hai điều kiện: dòng phải nằm trong một phần mười phía trên hoặc phía dưới của trang, và phải lặp lại trên ít nhất ba trang và ít nhất một nửa tài liệu. Dòng nào thỏa cả hai đều bị loại khỏi kết quả.

Phép so sánh không ngây thơ. Dãy chữ số được gộp lại, nên "Trang 4" và "Trang 5" được tính là cùng một dòng. Nhưng việc gộp chỉ xảy ra khi trong dòng còn chữ cái: một con số đứng một mình ở chân trang được so sánh nguyên trạng, và ba chữ số khác nhau trên ba trang thì không bằng nhau. Trên thực tế, chân trang ghi "Bảo mật. Trang 7" sẽ biến mất, còn chân trang chỉ có một con số thì vẫn ở lại thành một đoạn văn trên mỗi trang.

Thử trên một báo cáo bốn trang: dòng `Báo cáo bảo mật Trang N` không có trong kết quả liền mạch và có trong kết quả chính xác, nơi trang vốn là ảnh nên không có gì để loại bỏ.

Cơ chế này cũng có mặt trái. Tên tài liệu đặt cỡ lớn ở ngay đầu mỗi trang, giống hệt nhau ở mọi trang, rơi vào cùng quy tắc và bị xóa cùng các tiêu đề đầu trang. Khi dòng trên cùng đó quan trọng, gõ lại nó nhanh hơn là đi tìm nguyên nhân.

Đề mục được quyết định theo cỡ chữ

Các kiểu đề mục trong kết quả không phải tự bịa ra. Trước hết công cụ tính trên toàn tài liệu xem cỡ chữ nào là cỡ của phần thân. Nó đếm ký tự chứ không đếm dòng, nên một chú thích lớn hiếm hoi không bao giờ thắng cuộc bỏ phiếu.

Sau đó mỗi khối được đo so với cỡ ấy. Lớn hơn phần thân khoảng 15 phần trăm thì thành đề mục cấp hai, lớn gấp rưỡi trở lên thì thành cấp một. Mọi thứ còn lại vẫn là đoạn văn thường. Văn bản cũng phải trông giống một đề mục: một câu dài kết thúc bằng dấu chấm sẽ không thành đề mục, dù dàn bằng cỡ chữ nào.

Điều đó cho ra hành vi dễ đoán với các tài liệu dàn trang không dùng kiểu. Nếu toàn bộ văn bản cùng một cỡ và các phần chỉ được đánh dấu bằng chữ đậm, tệp Word sẽ không có đề mục nào: cỡ chữ không khác nhau nên không có gì để dựa vào. Ngăn Dẫn hướng sẽ trống và cấu trúc phải thêm bằng tay.

Bảng ra thành bảng

Bảng được tìm bằng một bộ dò riêng, chính là bộ dò mà PDF sang Excel trực tuyến dựa vào. Bảng được dò thấy sẽ vào tài liệu như một bảng Word đúng nghĩa với đường lưới hiển thị, chứ không phải những đoạn văn đệm khoảng trắng.

Các khối văn bản nằm trong ranh giới của bảng đã dò được sẽ bị loại khỏi dòng đoạn văn; nếu không, nội dung ô sẽ xuất hiện hai lần, một lần ở dạng bảng và một lần ở dạng văn xuôi. Ngưỡng là phần chồng lấn sáu phần mười diện tích của khối.

Bảng nằm ở đâu do mép trên của nó quyết định: nó được chèn trước đoạn văn đầu tiên bắt đầu bên dưới nó. Với trang một cột thông thường, điều này cho ra đúng thứ tự. Với trang hai cột, bảng có thể rơi vào chỗ khác với nơi nó đứng, vì các đoạn văn của hai cột chạy nối tiếp nhau trong tệp trong khi chiều cao của chúng đan xen.

Nếu việc dò bảng thất bại ở trang nào đó, tác vụ không sụp đổ: trang ấy ra dưới dạng văn bản thường và phản hồi kèm một cảnh báo nêu tên các trang. Ở đây không có chuyện phản hồi rỗng âm thầm.

Dung lượng tệp và ảnh xem trước trang

Mặc định chế độ liền mạch thêm ảnh của mỗi trang sau văn bản của trang đó, để có thứ đối chiếu kết quả. Không gì khác ảnh hưởng đến dung lượng nhiều như vậy.

Đo trên cùng một tài liệu bốn trang:

Kết quảKích thước
Chế độ chính xác671 KB
Liền mạch có ảnh xem trước trang315 KB
Liền mạch không có ảnh xem trước37 KB

PDF nguồn nặng khoảng 4 KB. Chênh lệch giữa hai dòng ngoài cùng là mười tám lần, và toàn bộ là ảnh. Nếu tài liệu dùng cho công việc thật chứ không phải để so sánh, hãy tắt ảnh xem trước ngay: chúng không sửa được, không tham gia vào văn bản và gây vướng khi soát lỗi.

Chế độ chính xác bỏ qua hoàn toàn thiết lập ảnh xem trước, vì trang của nó vốn đã là ảnh.

Bản quét không có lớp văn bản

Tài liệu quét là một bức ảnh, và không có gì để trích ra từ đó. Ở chế độ chính xác, kết quả là chính bản quét ấy được đóng gói lại thành .docx. Ở chế độ liền mạch, các trang ra trống, với một ghi chú thay cho mỗi trang cho biết trang đó trống.

Cách chữa đến trước khi chuyển đổi, không phải sau: cho tệp qua OCR PDF trực tuyến, có được PDF với lớp văn bản, rồi mới chuyển sang Word. Thứ tự ngược lại không hiệu quả, vì sẽ không còn gì cho bước nhận dạng xử lý.

Tài liệu bị khóa bằng mật khẩu mở cũng không chuyển đổi được; tác vụ dừng lại và hỏi mật khẩu. Hãy gỡ bảo vệ bằng Mở khóa PDF trực tuyến. Mật khẩu chỉ hạn chế in hoặc sao chép thì không cản trở.

Sau khi sửa xong, tài liệu thường phải quay lại thành PDF. Việc đó do Word sang PDF trực tuyến đảm nhiệm, nó có cách thay phông chữ riêng mà nên biết trước.

Tác giả

Được biên soạn bởi đội ngũ iHatePDF; Sergey Gagin chịu trách nhiệm về dịch vụ.

Giới thiệu dự án

Câu hỏi thường gặp

Vì loại kết quả mặc định là chính xác: mỗi trang được chèn dưới dạng ảnh, bên dưới có một lớp văn bản ẩn để tìm kiếm. Để có tài liệu chỉnh sửa được, hãy đổi loại kết quả sang liền mạch và chuyển đổi lại.
Ở chế độ liền mạch, bảng dò được sẽ ra thành bảng Word đúng nghĩa với đường lưới hiển thị. Nếu việc dò bảng thất bại ở một trang, nội dung trang đó ra dưới dạng văn bản thường và phản hồi kèm cảnh báo nêu tên các trang ấy.
Chế độ liền mạch loại bỏ các dòng nằm trong một phần mười phía trên hoặc phía dưới của trang và lặp lại trên ít nhất ba trang và ít nhất một nửa tài liệu. Tên tài liệu giống hệt nhau đặt ở đầu mỗi trang cũng rơi vào quy tắc này.
Không trực tiếp. Bản quét không có lớp văn bản, nên chế độ liền mạch trả về các trang trống. Hãy cho tệp qua OCR PDF trực tuyến trước, rồi chuyển PDF thu được sang Word.
Tệp chỉ được dùng cho thao tác đã chọn và tự động bị xóa sau khi xử lý xong. Chúng tôi không dùng tài liệu tải lên để huấn luyện các mô hình AI.

Xem thêm trong nhóm chủ đề này

Công cụ liên quan

← Tất cả công cụ Chuyển đổi

Nên làm gì tiếp theo

Nếu cần thực hiện thêm một bước hoặc tìm hướng dẫn về dịch vụ sau khi đọc, hãy xem các trang này.

Tất cả công cụ

Danh mục công cụ PDF trực tuyến: gộp, nén, tách, chuyển đổi, xoay, bảo vệ và mở khóa tệp PDF. Chọn công cụ phù hợp cho nhu cầu của bạn.

Câu hỏi thường gặp

Tìm câu trả lời về tài khoản iHatePDF, xử lý tệp, giới hạn tải lên, truy cập trên di động, quyền riêng tư và cách xử lý khi công cụ PDF báo lỗi.

Liên hệ

Liên hệ iHatePDF về lỗi xử lý, cách chọn công cụ, bảo mật, hợp tác kinh doanh và đề xuất tính năng mới.