Trích Xuất Văn Bản
Lấy toàn bộ văn bản có thể chọn được từ một file PDF và nhận kết quả theo ba cách: văn bản thô theo từng trang, Markdown có tiêu đề, danh sách và đoạn văn, hoặc các bảng có thể tải về dạng CSV. Dùng khi bạn cần sao chép, tìm kiếm hoặc tái sử dụng chữ và số liệu trong PDF thay vì gõ lại.
Các bước sử dụng
- Kéo và thả file PDF vào vùng tải lên, hoặc bấm vào để chọn file (chỉ chấp nhận file
.pdf). - Nếu PDF được đặt mật khẩu, hãy nhập mật khẩu khi hộp thoại mở khóa hiện ra.
- Theo dõi thanh tiến trình khi từng trang được xử lý. Khi xong, thẻ kết quả hiển thị tên file và số trang.
- Chọn cách xem bằng thanh chuyển ở đầu thẻ: Văn bản thô, Markdown hoặc Bảng (con số trong ngoặc là số bảng tìm được).
- Ở Văn bản thô, mỗi trang bắt đầu bằng dấu phân cách
----- Trang N -----. Ở Markdown, các dòng được gom lại thành đoạn văn, có nhận diện tiêu đề và danh sách gạch đầu dòng, và các trang được ngăn cách bằng---. - Ở một trong hai chế độ xem đó, bấm Sao chép để chép nội dung đang hiển thị, hoặc bấm nút
.txt/.mdđể tải về dưới dạng file đặt tên theo PDF gốc. - Ở Bảng, mỗi bảng tìm được hiển thị kèm kích thước số dòng × số cột. Bấm
.csvtrên một bảng để tải riêng bảng đó, hoặc Tải tất cả .csv để tải mọi bảng vào một file.
Mẹo
- Mọi xử lý diễn ra ngay trong trình duyệt của bạn, nên file PDF không hề được tải lên máy chủ.
- Dấu phân cách theo trang trong văn bản thô giúp bạn dễ dàng tìm đến nội dung của một trang cụ thể trong file xuất ra.
- Tiêu đề Markdown được đoán theo cỡ chữ: dòng cao khoảng 1,7 lần chữ thường của trang thành
#, khoảng 1,25 lần thành##. Dòng bắt đầu bằng dấu chấm tròn, gạch ngang hoặc số như1.hay1)thành mục danh sách-. Hãy kiểm tra lại trước khi đăng. - Bảng được nhận diện khi có từ hai dòng liên tiếp trở lên, mỗi dòng tách thành các ô riêng với khoảng trống ngang rõ ràng; sau đó các ô được xếp thẳng hàng thành cột theo vị trí.
- File CSV được lưu kèm dấu BOM UTF-8 để Excel hiển thị đúng chữ có dấu. File gộp đặt một dòng
# Bảng Ntrước mỗi bảng và một dòng trống giữa các bảng.
Câu hỏi thường gặp
Vì sao báo "Không tìm thấy văn bản chọn được"?
Nhiều khả năng PDF chỉ là ảnh chụp/quét của chữ chứ không phải ký tự thật. Công cụ này chỉ đọc văn bản được nhúng sẵn, nên tài liệu quét cần dùng OCR (nhận dạng ký tự quang học) trước.
Có giữ nguyên định dạng, cột hay bảng ban đầu không?
Một phần. Văn bản thô là luồng chữ gốc, dàn phẳng theo từng trang. Markdown giữ lại tiêu đề, danh sách và ngắt đoạn, nhưng không giữ chữ đậm, nghiêng, liên kết hay hình ảnh. Chế độ Bảng khôi phục dòng và cột từ những vùng có bố cục dạng bảng. Markdown và Bảng đọc mỗi trang theo từng dòng từ trên xuống, nên các cột chữ đặt cạnh nhau có thể bị trộn theo dòng — hoặc bị nhận nhầm thành bảng.
Vì sao chế độ Bảng báo không phát hiện bố cục dạng bảng?
Chức năng này chỉ nhận diện bảng dạng văn bản có khoảng cách cột rõ ràng. Bảng trong trang scan, hoặc bảng có các ô sát nhau đến mức không còn khoảng trống, sẽ không được nhận ra — bản scan cần OCR trước.
File tải về được đặt tên như thế nào?
Tên dùng lại tên của PDF gốc: report.pdf thành report.txt hoặc report.md, một bảng riêng thành report_table1.csv, còn tất cả bảng gộp lại thành report_tables.csv.