Chuyển PDF sang TXT

Q: Làm sao chuyển PDF sang văn bản miễn phí mà không cần cài đặt gì?

Tải file PDF lên trang này và nhấn **Chuyển sang Văn bản thuần**. Không cần tài khoản, không cần cài phần mềm; quá trình chuyển đổi chạy trên máy chủ của chúng tôi và các file bị xóa sau 30 phút, như mô tả tại [cách hoạt động](/how-it-works).

Q: Có thể chỉ chuyển một số trang PDF sang văn bản không?

Có. Chuyển **Trang cần chuyển đổi** sang Trang đã chọn và nhập một khoảng như 3-7, 12. Chỉ những trang đó được đọc, nhờ vậy các file scan dài cũng xử lý nhanh hơn.

Lưu chữ trong file PDF thành tệp .txt để mở bằng bất kỳ trình soạn thảo, script hay công cụ tìm kiếm nào. Văn bản thu được có hoàn hảo hay không phụ thuộc vào một điều trong PDF của bạn: PDF có lớp văn bản thật, hay chỉ là ảnh chụp các trang.

hoặc thả tệp PDF vào đây ·

Tối đa 95 MB mỗi tệp· Tối đa 20 tệp· Xóa sau 30 phút

Đầu ra

Chuyển sang

Tệp được xử lý trên máy chủ của chúng tôi và bị xóa sau 30 phút.

Cách sử dụng công cụ này

1
Thêm file PDF
Chọn một file PDF hoặc tối đa 20 file cùng lúc, mỗi file tối đa 95 MB. Tài liệu soạn thảo, tài liệu xuất ra và tài liệu scan có thể nằm chung một lượt.
2
Kiểm tra cài đặt cho bản scan
Chuyển sang đã được đặt sẵn là Văn bản thuần. Nếu tài liệu là bản scan bằng ngôn ngữ khác tiếng Anh, hãy mở Cài đặt nâng cao và chọn ngôn ngữ tại Ngôn ngữ tài liệu.
3
Chuyển đổi và lưu về máy
Nhấn Chuyển sang Văn bản thuần rồi tải từng file .txt, hoặc tải tất cả cùng lúc dưới dạng ZIP.

Nếu bạn chọn được một từ trong trình xem PDF, văn bản đã nằm sẵn trong file và bản TXT sẽ chính xác; nếu cả trang bị bôi đậm như một bức ảnh, OCR phải đọc nó trước.

Chuyển PDF sang văn bản: lớp văn bản hay trang scan

File PDF xuất từ Word, Google Docs hoặc trình duyệt lưu các ký tự cùng vị trí của chúng, nên để lấy chúng ra cần đọc theo một thứ tự hợp lý. File PDF từ máy scan hoặc camera điện thoại chỉ lưu ảnh của từng trang, và văn bản phải được nhận dạng. Nhiều PDF văn phòng có cả hai: một lá thư soạn thảo kèm trang chữ ký scan ở cuối.

Nhận dạng văn bản (OCR) quyết định cách xử lý từng trang. Ba tùy chọn dưới đây hoạt động khác nhau với các loại file đó, và Tự động phù hợp với hầu hết trường hợp.

Trang đã có lớp văn bản được sao chép nguyên trạng; trang không có sẽ được nhận dạng theo Ngôn ngữ tài liệu bạn đã chọn.

Tốt nhất cho file hỗn hợp
Không giảm độ chính xác ở các trang kỹ thuật số

Kết quả chuyển PDF sang văn bản bị lỗi ký tự

Bên trong file PDF, văn bản là một danh sách mã glyph của một font cụ thể, không phải chữ cái. Một file làm tốt sẽ có bảng ToUnicode cho biết mã nào ứng với ký tự nào. File từ một số trình điều khiển máy in cũ và công cụ tạo báo cáo tùy biến bỏ qua bảng này, nên sao chép từ chúng ra chữ vô nghĩa dù trang nhìn rất hoàn hảo. Bắt buộc OCR là cách đáng tin cậy để khắc phục, và PDF scan sang văn bản trình bày chi tiết các thiết lập cho bản scan.

Bản thân file TXT dùng UTF-8, nên chữ có dấu, Cyrillic, Ả Rập, Devanagari và ký tự CJK đều được giữ nguyên. Các hệ chữ viết từ phải sang trái được lưu theo thứ tự đọc, đúng như trình soạn thảo và công cụ tìm kiếm mong đợi.

Xuống dòng, gạch nối, cột và tiêu đề trong file TXT

Ngắt dòng
PDF chỉ biết dòng, không biết đoạn văn. Các dòng được nối lại ở chỗ khoảng cách gợi ý một đoạn, nhưng thơ, địa chỉ và đoạn mã có thể cần bạn xem lại thủ công.
Gạch nối cuối dòng
Một từ bị tách thành "conver-" và "sion" ở cuối dòng thường được nối lại. Dấu gạch nối thật rơi đúng cuối dòng, như trong "well-known", có thể mất dấu gạch, nên hãy tìm lại nếu cần giữ đúng từ ngữ.
Cột
Tạp chí hai cột được đọc theo từng cột. Bố cục phức tạp với khung hoặc trích dẫn nổi có thể khiến phần bên lề chen vào giữa hai đoạn văn.
Đầu trang và chân trang
Tiêu đề chạy, số trang và dòng bảo mật lặp lại ở mọi trang và nằm giữa các trang trong file TXT. Tìm và thay thế dòng lặp đó sẽ xóa chúng trong một lần.

PDF

Tài liệu PDF (Portable Document Format)

PDF do Adobe tạo ra năm 1993 và trở thành chuẩn mở ISO 32000 năm 2008. Định dạng cố định văn bản, phông chữ, hình ảnh và bố cục để tài liệu hiển thị giống nhau trên mọi màn hình và máy in. PDF có thể chứa biểu mẫu, chữ ký, liên kết, tệp đính kèm và văn bản tìm kiếm được, còn biến thể PDF/A được dùng để lưu trữ lâu dài. Bố cục cố định khiến PDF khó chỉnh sửa, và PDF quét chỉ chứa hình ảnh trừ khi được áp dụng OCR. Mọi trình duyệt và hệ điều hành đều mở được PDF.

Nén: –
Độ trong suốt: Có
Ảnh động: Không
Ra mắt: 1993 · Adobe

Công cụ chuyển đổi PDF

TXT

Văn bản thuần

Tệp TXT chỉ chứa ký tự thuần, không có định dạng, phông chữ, hình ảnh hay bố cục. Tệp văn bản hiện đại thường được mã hóa UTF-8, bao quát mọi ngôn ngữ, dù các tệp cũ có thể dùng bảng mã khác và hiển thị ký tự lỗi. Văn bản thuần rất nhỏ, không bao giờ lỗi thời và mở được trên mọi thiết bị, từ điện thoại đến máy chủ. Định dạng không chứa được chữ đậm, bảng hay hình ảnh, nên cấu trúc phải được thể hiện bằng khoảng trắng hoặc ký hiệu đánh dấu đơn giản.

Nén: –
Độ trong suốt: –
Ảnh động: –
Ra mắt: –

Công cụ chuyển đổi TXT

File .txt là định dạng phổ biến nhất mà mọi nơi đều đọc được: quy trình xử lý dữ liệu, chỉ mục tìm kiếm, công cụ phụ đề và dịch thuật, cũng như email thuần văn bản đều chấp nhận, trong khi PDF cần một trình phân tích trước khi có thể đọc được chữ.

Chuyển PDF sang văn bản miễn phí: file, dung lượng và ngôn ngữ

PDF mỗi lượt: 20
mỗi PDF: 95 MB
ngôn ngữ OCR: 34
cho đến khi file bị xóa: 30 phút

Câu hỏi về chuyển PDF sang TXT

Làm sao chuyển PDF sang văn bản miễn phí mà không cần cài đặt gì?

Tải file PDF lên trang này và nhấn Chuyển sang Văn bản thuần. Không cần tài khoản, không cần cài phần mềm; quá trình chuyển đổi chạy trên máy chủ của chúng tôi và các file bị xóa sau 30 phút, như mô tả tại cách hoạt động.

Vì sao file TXT chứa ký hiệu như (cid:42) hoặc ô vuông thay vì chữ cái?

File PDF dùng một font không có bảng ánh xạ các glyph về ký tự Unicode, nên hình dạng chữ vẫn in đẹp nhưng không mang ý nghĩa chữ cái. Hãy đặt Nhận dạng văn bản (OCR) thành Luôn bật: OCR đọc các hình dạng đó như một bức ảnh và thường khôi phục được đúng các từ.

Có thể chỉ chuyển một số trang PDF sang văn bản không?

Có. Chuyển Trang cần chuyển đổi sang Trang đã chọn và nhập một khoảng như 3-7, 12. Chỉ những trang đó được đọc, nhờ vậy các file scan dài cũng xử lý nhanh hơn.

Vì sao chữ fi và fl trông lạ sau khi chuyển đổi?

Nhiều kiểu chữ vẽ fi, fl và ffi thành một glyph ghép duy nhất gọi là ligature. Hầu hết file PDF ánh xạ nó về các chữ cái riêng lẻ, nhưng một số ánh xạ thành một ký tự Unicode, chẳng hạn U+FB01, nhìn trên màn hình vẫn đúng nhưng làm hỏng việc tìm kiếm các chữ cái thông thường. Dùng chức năng tìm và thay thế trong trình soạn thảo là sửa được.

File TXT có giữ nguyên các ngắt trang không?

Các trang nối tiếp nhau trong một file duy nhất, nên bạn không nhận được file riêng cho từng trang. Nếu cần một file văn bản cho mỗi trang, hãy chuyển từng trang trong các lượt riêng bằng Trang cần chuyển đổi.

Chuyển PDF sang TXT

Chuyển đổi PDF

Cách sử dụng công cụ này

Thêm file PDF

Kiểm tra cài đặt cho bản scan

Chuyển đổi và lưu về máy