Cách lấy văn bản từ PDF
Thả file PDF vào ô phía trên và chờ một chút để các trang được đọc. Sau đó bấm “Lấy văn bản” và tải file TXT về. File chứa chữ từ mọi trang theo thứ tự, sẵn sàng mở bằng Notepad, TextEdit hay bất kỳ trình soạn thảo nào. File PDF gốc không bị thay đổi.
Kết quả được giữ đơn giản có chủ ý. Không có phông, màu hay hình ảnh, chỉ có chữ, nên file nhẹ, dễ tìm kiếm và dễ dán sang tài liệu khác. Nếu bạn cần cả bố cục, chuyển PDF sang Word hoặc dùng chính file gốc sẽ hợp hơn.
Mẹo: Mở file TXT bằng trình soạn văn bản và dùng tìm và thay thế để dọn các dấu xuống dòng thừa. Chữ lấy từ cột hẹp thường bị ngắt sau mỗi dòng, và chỉ một lần thay thế là sửa xong.
Vì sao không copy được chữ trong file PDF?
Có ba lý do thường gặp. Phổ biến nhất là file PDF là bản scan, tức ảnh chụp trang giấy và không chứa chữ nào cả. Không bôi đen được gì vì chẳng có gì để bôi đen. Cách sửa là OCR, công cụ đọc bức ảnh và biến nó thành chữ thật.
Lý do thứ hai là khóa quyền. Một số PDF cho xem nhưng chặn sao chép. Nếu bạn biết mật khẩu, công cụ mở khóa sẽ gỡ nó, sau đó bạn lấy được văn bản. Lý do thứ ba là cách mã hóa phông lạ, khi chữ bôi đen được nhưng dán ra thành ký hiệu không đọc được. Với tài liệu tiếng Việt, điều này hay gặp ở file cũ soạn bằng phông TCVN3 (như .VnTime) hoặc VNI, vốn không lưu chữ theo chuẩn Unicode. Khi đó, chạy OCR trên trang thường là cách gọn nhất.
Văn bản lấy ra trông như thế nào?
Bạn nhận được chữ theo thứ tự xuất hiện trên từng trang, xuống dòng ở mọi chỗ PDF ngắt dòng. Đoạn văn thường ra thành các dòng ngắn, còn bảng trở thành các hàng chữ với các ô dính liền nhau. Đầu trang, chân trang và số trang xuất hiện ở đúng chỗ chúng được in, vì chúng cũng là chữ.
Điều đó là bình thường khi lấy chữ từ PDF. PDF lưu từng mẩu chữ tại một vị trí trên trang và không thực sự biết thế nào là đoạn văn hay cái bảng. Công cụ đọc những gì có ở đó và ghi ra lần lượt. Với một chương luận văn hay bài báo bạn muốn trích dẫn, kết quả rất tốt. Với một bảng phức tạp giống bảng tính, hãy chuẩn bị dựng lại các cột bằng tay, hoặc dùng công cụ chuyển PDF sang Excel.
Lấy văn bản từ PDF online có an toàn không?
Có, vì file PDF không bị tải lên. Bạn mở trang qua mạng, nhưng trình duyệt đọc chữ ngay trên máy bạn. Tài liệu và nội dung bên trong không bao giờ đi tới máy chủ, rất hợp với hợp đồng, hồ sơ bệnh án và mọi thứ bạn sẽ không gửi email cho người lạ.
Bạn có thể xác nhận trong tab Network của trình duyệt khi lấy văn bản từ một file. Không có yêu cầu nào mang theo file PDF của bạn. File TXT cũng được tạo ngay trong trình duyệt và lưu thẳng vào thư mục tải về.