Chuyển PDF sang text cho bạn chỉ phần chữ, không có bố cục, phông chữ hay hình ảnh, trong một tệp .txt mở được ở mọi nơi. Đây là cách nhanh nhất để tìm kiếm trong tài liệu dài, trích dẫn, hoặc đưa vào chương trình khác. Ở đây mọi thứ chạy trong trình duyệt, nên tài liệu của bạn không bao giờ bị tải lên.
Trích xuất chữ từ nhiều PDF
Thêm cả thư mục báo cáo, bài báo hay sao kê. Mỗi PDF thành một tệp .txt cùng tên, và chúng được lưu chung trong một tệp ZIP. Chữ theo đúng thứ tự đọc của từng trang, trang này nối trang kia, ở dạng UTF-8, nên dấu tiếng Việt và các bảng chữ cái không phải Latinh vẫn hiển thị đúng.
PDF dạng bản quét cần OCR
Công cụ này đọc phần chữ được lưu bên trong PDF. Bản quét hoặc ảnh chụp lưu thành PDF chỉ chứa hình của chữ, nên kết quả sẽ trống. Cách thử nhanh: nếu không bôi chọn được một từ trong trình xem PDF, hãy dùng OCR PDF, công cụ nhận dạng các chữ cái và cũng cho bạn một tệp văn bản.
Vì sao không sao chép được chữ từ một số PDF
Sao chép từ trình xem PDF thường làm ngắt dòng giữa câu, trộn lẫn các cột hoặc lấy cả đầu trang và số trang. Một số PDF chặn sao chép bằng mật khẩu phân quyền; những tệp này có thể mở trước bằng Mở khóa PDF. Và ở một vài tệp, chữ được vẽ bằng phông không có bảng mã ký tự chuẩn, nên chữ trích xuất ra trông như ký tự lạ; chạy OCR trên tệp đó sẽ cho chữ đọc được.
Cách hoạt động
Chữ được trích xuất bằng MuPDF, một bộ xử lý PDF chạy trong trình duyệt. Nó đọc các ký tự lưu trong mỗi trang cùng vị trí của chúng, sắp theo thứ tự đọc và ghi ra dưới dạng chữ thuần. Lần đầu, bộ xử lý (khoảng 39 MB) được tải về và trình duyệt giữ lại. Tệp của bạn không bao giờ bị gửi đi đâu.
Mọi người dùng để làm gì, và khi nào không dùng được
Tìm kiếm và trích dẫn báo cáo dài, thu thập chữ cho nghiên cứu hoặc ghi chú, dán hợp đồng vào email, đưa tài liệu vào công cụ dịch thuật hoặc AI, và lưu trữ dạng chữ thuần.
- Định dạng không được giữ: không có chữ đậm, bảng hay hình ảnh. Nếu cần, hãy dùng PDF sang Word.
- Bản quét không cho ra chữ nếu không có OCR.
- Bố cục phức tạp như bảng và trang nhiều cột có thể ra theo thứ tự không như mong đợi.