PDF sang Word

"PDF sang Word" thực sự nghĩa là gì

Chuyển đổi một PDF sang Word nghĩa là lấy một tài liệu tĩnh, có bố cục đặt theo vị trí, và tạo ra một tệp .docx có thể chỉnh sửa với các đoạn văn, tiêu đề, danh sách và hình ảnh mà bạn có thể chỉnh lại. Người ta tìm đến việc này khi cần tiếp tục chỉnh sửa một tài liệu mà họ chỉ có ở dạng PDF, hoặc khi muốn sao chép nội dung có cấu trúc sang một tài liệu Word khác mà không phải gõ lại bằng tay.

Cần nói thẳng: PDF và Word là hai định dạng về bản chất rất khác nhau. Một PDF đặt văn bản và hình ảnh tại tọa độ điểm ảnh chính xác; Word cho nội dung trôi chảy trong một tài liệu với lề, kiểu định dạng và quy tắc sắp xếp lại. Không có sự tương ứng hoàn hảo giữa hai bên. Điều mà một công cụ chuyển đổi tốt làm được là khôi phục cấu trúc ngữ nghĩa của tài liệu — đoạn văn, tiêu đề, danh sách, nhấn mạnh, hình ảnh — rồi để Word lo phần dòng chảy từ đó.

Cách công cụ chuyển đổi này hoạt động trong trình duyệt của bạn

Chúng tôi dùng PDF.js mã nguồn mở của Mozilla để phân tích PDF cục bộ. Trên từng trang, chúng tôi trích xuất nội dung văn bản cùng với vị trí và cỡ chữ của mỗi phần tử, rồi nhóm các phần tử thành các DÒNG theo tọa độ Y của chúng. Việc nhận diện tiêu đề dựa trên cỡ chữ: những dòng lớn hơn rõ rệt so với cỡ chữ trung vị của phần thân tài liệu sẽ trở thành Tiêu đề 1 / Tiêu đề 2 / Tiêu đề 3 trong bản Word đầu ra. Định dạng in đậm và in nghiêng được giữ lại dựa trên tên phông chữ của từng phần tử văn bản.

Tài liệu Word được tạo bằng gói mã nguồn mở `docx`, cũng là JavaScript thuần và cũng chạy ngay trong thẻ trình duyệt của bạn. Những hình ảnh mà chúng tôi giải mã được (thường là ảnh JPEG nhúng trong PDF) được chèn vào gần cuối trang gốc của chúng. Tài liệu hoàn chỉnh được cung cấp dưới dạng tải xuống trực tiếp.

Những gì chuyển đổi tốt

• Đoạn văn bản: được khôi phục thành các đoạn văn Word tiêu chuẩn.
• Tiêu đề: tự động nhận diện theo cỡ chữ → Tiêu đề 1 / 2 / 3.
• Nhấn mạnh in đậm và in nghiêng: được nhận diện từ tên phông chữ.
• Hình ảnh JPEG chèn nội tuyến: được nhúng gần trang gốc của chúng.
• Cấu trúc trang: các ngắt trang giữa những trang gốc được giữ lại.

Những gì chuyển đổi ở mức gần đúng (và những gì không)

• Bảng: các hàng ô được giữ thành những dòng riêng, nhưng lưới bị mất. Hãy dựng lại bảng trong Word nếu cần.
• Bố cục nhiều cột: bị gộp thành một cột duy nhất theo thứ tự đọc.
• Đầu trang và chân trang: xuất hiện như một phần của phần thân văn bản mỗi trang, không phải là đầu trang/chân trang của Word.
• Đồ họa vector: các sơ đồ và hình khối được vẽ trực tiếp trong PDF sẽ không được trích xuất.
• PDF được scan (chỉ có hình ảnh): không có văn bản để trích xuất. Hãy chạy OCR trước.
• PDF được mã hóa: phải mở khóa trước (khi được phép).

Các trường hợp dùng phổ biến của việc chuyển đổi PDF sang Word

• Cập nhật một hợp đồng mà bạn chỉ có ở dạng PDF. Chuyển nó sang .docx, đánh dấu những thay đổi bạn cần trong Word và xuất lại thành PDF khi cả hai bên đã thống nhất câu chữ cuối cùng.
• Tái sử dụng một bài viết hoặc một bài nghiên cứu. Đưa văn bản có thể chỉnh sửa vào Word để trích dẫn, tái cấu trúc hoặc mở rộng các phần trong một bài viết mới.
• Dịch một tài liệu. Hầu hết các công cụ hỗ trợ dịch làm việc với .docx nhưng lại bí khi gặp PDF. Hãy chuyển đổi trước, dịch tệp Word rồi xuất lại thành PDF.
• Cứu lấy văn bản của một báo cáo cũ. Khi tệp .docx gốc đã mất và chỉ còn bản in ra PDF, đây là cách nhanh nhất để lấy lại một phiên bản có thể chỉnh sửa.
• Tạo tài liệu dễ tiếp cận. Một tệp Word có ngữ nghĩa với các kiểu Tiêu đề 1 / Tiêu đề 2 đúng chuẩn là điểm khởi đầu để thêm thẻ, văn bản thay thế và thứ tự đọc cho trình đọc màn hình.

Quyền riêng tư và bảo mật

Hầu hết các dịch vụ "PDF sang Word" trực tuyến tải PDF của bạn lên một máy chủ, chạy quá trình chuyển đổi ở đó (thường bằng LibreOffice trong môi trường cách ly) và trả về tệp .docx. Cách làm đó có thể cho độ trung thực bố cục nhỉnh hơn một chút, nhưng nghĩa là mỗi hợp đồng, bảng lương hay báo cáo y tế bạn chuyển đổi đều — dù chỉ trong chốc lát — nằm trên máy của người khác. imisspdf chọn đánh đổi ngược lại: kém trung thực bố cục hơn một chút, nhưng tệp không bao giờ rời khỏi thiết bị của bạn. Xem bài đánh giá quyền riêng tư iLovePDF của chúng tôi để hiểu mô hình tải lên tiêu chuẩn, và imisspdf so với iLovePDF để xem so sánh chi tiết.

Mẹo để có kết quả tốt nhất với PDF sang Word

• Hãy bắt đầu từ một PDF có văn bản bất cứ khi nào có thể. Nếu tệp .docx gốc được xuất thẳng sang PDF, việc chuyển đổi ngược lại thành Word sẽ gọn gàng hơn nhiều so với khi bắt đầu từ một bản scan.
• Chạy OCR trước khi chuyển đổi các bản scan. PDF chỉ có hình ảnh sẽ tạo ra tệp Word rỗng. Hãy chạy chúng qua OCR PDF trước để các ký tự trở thành văn bản thật khi bạn chuyển đổi.
• Giữ bật nhận diện tiêu đề cho tài liệu có cấu trúc. Báo cáo, bài luận và tài liệu chính sách cần phân cấp tiêu đề dùng được trong Word: hãy để bật tùy chọn nhận diện tự động.
• Hãy chuẩn bị dựng lại các bảng. PDF có nhiều bảng (sao kê ngân hàng, hóa đơn) chuyển sang Excel bằng công cụ PDF sang Excel của chúng tôi tốt hơn sang Word: Word cho bạn các dòng phẳng, còn Excel giữ được lưới.
• Gỡ mật khẩu trước. Nếu tệp gốc được mã hóa, hãy mở khóa bằng mật khẩu đúng trước khi chuyển đổi, và nếu muốn, hãy bảo vệ lại tệp Word kết quả ngay trong chính Word.

Công cụ PDF liên quan

• Word sang PDF — chiều ngược lại: chuyển tệp .docx đã chỉnh sửa của bạn trở lại thành một PDF gọn gàng.
• Chỉnh sửa PDF — với những thay đổi văn bản nhỏ, hãy chỉnh sửa PDF trực tiếp thay vì đi qua Word.
• OCR PDF — làm cho một PDF được scan có thể tìm kiếm trước khi chuyển nó sang Word.
• PDF sang Excel — cho các PDF có bảng vốn sẽ mất lưới khi vào Word.