Không copy được chữ từ PDF? Vì sao và cách lấy văn bản

Nếu bạn không chọn được từ nào trong PDF, rất có thể các trang là hình ảnh của chữ, tức ảnh quét hoặc ảnh chụp, chứ không phải văn bản. Thả file vào PDF sang text: nếu công cụ tìm thấy chữ, bạn copy trực tiếp từ đó. Nếu công cụ báo không tìm thấy chữ nào, các trang cần OCR (nhận dạng ký tự quang học) để đọc chữ từ hình ảnh. Cả hai bước đều chạy trên trình duyệt của bạn, file không bị tải lên.

PDF sang textCần lấy chữ ra khỏi file PDFDùng miễn phí

PDF văn bản hay PDF quét

PDF văn bản lưu từng chữ cái dưới dạng ký tự, kèm phông chữ và vị trí trên trang. PDF quét lưu mỗi trang thành một hình ảnh, giống như một bức ảnh, nên không có gì để chọn. Một số file trộn cả hai: các trang đánh máy kèm chữ ký quét, hoặc biểu mẫu quét với tiêu đề đánh máy.

Hãy thử trong trình xem file của bạn bằng cách chọn một từ. Nếu vùng bôi đen bám theo các chữ cái, nghĩa là có văn bản. Nếu chỉ chọn được cả trang, hoặc không chọn được gì, trang đó là hình ảnh.

Bạn thấy gì	Thường có nghĩa là	Nên làm gì
Chọn và copy được chữ	PDF văn bản	Copy trực tiếp, hoặc dùng PDF sang text cho cả file
Không chọn được gì, và PDF sang text không tìm thấy chữ	Trang quét hoặc trang chụp	Kết xuất các trang, rồi chạy OCR
Chọn được chữ nhưng dán ra ký hiệu lạ	Phông chữ không ánh xạ đúng các chữ cái về ký tự	Thử PDF sang text; nếu kết quả vẫn bị lỗi, dùng OCR
Trình xem chặn việc chọn chữ	Người tạo file đã đặt hạn chế sao chép	Xem mục về các hạn chế

Vì sao PDF không cho copy

Có ba nguyên nhân khiến không copy được, và mỗi nguyên nhân có cách xử lý khác nhau:

• Các trang là ảnh quét. Chữ không có trong file, nên OCR là cách duy nhất để lấy lại.
• File cần mật khẩu để mở. Bạn phải mở khóa bằng mật khẩu mình có, trong chương trình bạn thường dùng cho file đó. Các công cụ ở đây không thử mở file bị khóa.
• Người tạo đã đặt hạn chế sao chép. Một số PDF yêu cầu trình xem không cho sao chép hoặc chỉnh sửa. Đó là thiết lập do người tạo chọn, và fixmint không vượt qua nó. Nếu bạn có quyền, hãy yêu cầu bản không bị hạn chế, hoặc xuất lại từ chương trình đã tạo ra file.

Lấy văn bản từ PDF văn bản

1. Thả PDF vào ô trong PDF sang text và đợi từng trang được đọc.
2. Kiểm tra số trang và số từ hiển thị.
3. Tick Đánh dấu trang nếu bạn muốn mỗi trang được ghi nhãn. Bỏ tick nếu chỉ cần văn bản thuần.
4. Copy văn bản, hoặc tải về dưới dạng file .txt.

Cột, bảng và tiêu đề có thể bị sắp xếp sai thứ tự, vì PDF lưu vị trí của từng đoạn chữ được vẽ ra, chứ không lưu đoạn văn mà chúng thuộc về. Nếu mỗi dòng kết thúc bằng một xuống dòng cứng, hãy đọc vì sao văn bản copy từ PDF bị ngắt ở mỗi dòng, rồi dán văn bản vào Sửa văn bản đã dán, công cụ này sẽ nối các dòng của từng đoạn văn.

Lấy văn bản từ PDF quét

Với trang quét, bạn làm hai bước: chuyển từng trang thành hình ảnh, rồi đọc chữ trong từng hình ảnh. Cách đọc chữ tương tự cũng áp dụng cho ảnh chụp màn hình hoặc ảnh chụp, như được giải thích ở đây.

1. Thả PDF vào PDF sang JPG. Chọn PNG cho văn bản, vì PNG giữ được các nét chữ sắc nét, và chọn 300 DPI cho chữ nhỏ. Chỉ chọn các trang bạn cần, hoặc để tất cả trang.
2. Tải các trang về. Mỗi trang được lưu thành một ảnh riêng, hoặc tất cả được gói trong một file ZIP.
3. Mở Chuyển ảnh thành chữ và thả trang đầu tiên vào. Chữ sẽ xuất hiện khi trang được đọc xong. Các từ mà công cụ nhận dạng chưa chắc chắn sẽ được đánh dấu màu đỏ.
4. Lặp lại với từng trang theo đúng thứ tự. Tick Nối dòng thành đoạn văn để bỏ các xuống dòng, rồi copy kết quả.
5. Kiểm tra mọi số, tên và ngày với trang gốc trước khi bạn dùng.

Chuyển ảnh thành chữ đọc một ảnh tại một thời điểm, và chỉ hỗ trợ tiếng Anh. Khi bắt đầu, công cụ tải bộ máy OCR và mô hình tiếng Anh từ trang web, sau đó ảnh được đọc ngay trên thiết bị của bạn. Trang lớn hoặc máy chậm có thể mất một lúc, vì vậy hãy đợi có kết quả rồi mới copy. Trang phẳng, thẳng, đủ sáng sẽ cho kết quả đọc tốt nhất. Hãy cắt bỏ mép của ảnh chụp, và giữ máy ảnh vuông góc với trang.

Các lỗi thường gặp

• Lưu trang chữ thành JPG. JPG làm mờ các nét chữ, khiến độ chính xác giảm. PNG phù hợp hơn cho trang chỉ có chữ.
• Tin hoàn toàn vào OCR mà không kiểm tra. Nhận dạng không hoàn hảo. Hãy đối chiếu số và tên với trang gốc.
• Mong bảng vẫn là bảng. OCR đọc theo dòng, nên một bảng có thể hiện thành danh sách. Hãy so sánh kết quả với trang gốc.
• Dùng OCR cho chữ viết tay. Chuyển ảnh thành chữ được xây dựng cho chữ in. Chữ viết tay thường đọc kém, nên hãy tự gõ lại những phần đó.

Câu hỏi thường gặp

OCR có tải trang quét của tôi lên không?

Không. Trang được đọc trên trình duyệt của bạn, ảnh không bao giờ được gửi lên máy chủ. Trang web chỉ cung cấp bộ máy OCR và mô hình tiếng Anh cho trình duyệt của bạn, còn việc đọc diễn ra ngay tại đó.

Nếu chỉ một số trang không có chữ thì sao?

Bật Đánh dấu trang trong PDF sang text. Trang không hiển thị gì dưới nhãn của nó là trang quét, còn các trang đánh máy sẽ hiện chữ. Chỉ đưa những trang đó qua PDF sang JPG và Chuyển ảnh thành chữ, rồi ghép kết quả lại đúng thứ tự.

Vì sao văn bản copy bị ngắt ở cuối mỗi dòng?

PDF lưu từng dòng in riêng biệt, nên khi copy, các xuống dòng đó được giữ lại. Dùng Sửa văn bản đã dán để nối các dòng của từng đoạn văn. Hướng dẫn về xuống dòng giải thích vì sao điều này xảy ra.

Chuyển ảnh thành chữ có đọc được chữ viết tay hoặc ngôn ngữ khác không?

Công cụ được xây dựng cho tiếng Anh in, dùng bảng chữ cái Latinh, và chữ viết tay thường đọc kém. Các bảng chữ cái khác, như tiếng Ả Rập, tiếng Trung hay tiếng Nga (Cyrillic), không được hỗ trợ.