Định dạng PDF sang Word thay đổi vì PDF mô tả một trang trực quan cố định, trong khi tài liệu Word mô tả nội dung có thể chỉnh sửa có thể chảy và được trình bày lại. Trình chuyển đổi thường phải suy ra các đoạn văn, cột và bảng từ văn bản được định vị. Tệp PDF có thể không chứa đủ thông tin để tạo lại cấu trúc của tài liệu gốc.
Tại sao một trang có vẻ phù hợp lại có thể chuyển đổi kém
Trong PDF, các đoạn văn bản riêng biệt có thể được vẽ ở các tọa độ cụ thể. Con người nhìn thấy một đoạn văn hoặc hai cột, nhưng các thao tác được lưu trữ không nhất thiết xác định được mối quan hệ đó. WordprocessingML, định dạng tài liệu bên trong DOCX, thể hiện các cấu trúc như đoạn văn, dòng văn bản và bảng. Việc chuyển đổi giữa các mô hình này liên quan đến việc giải thích.
Ví dụ: một bản tin hai cột có thể lưu trữ các đoạn văn bản theo thứ tự khác với thứ tự đọc thông thường. Trình chuyển đổi có thể vô tình nối câu ở cột bên trái với tiêu đề ở cột bên phải. Tương tự như vậy, các số được căn chỉnh trông giống như một bảng có thể không có cấu trúc bảng thực tế để khôi phục.
Tại sao phông chữ và ngắt dòng thay đổi?
Một tệp PDF có thể nhúng một phông chữ hoặc chỉ một tập hợp con các ký tự của nó. Điều đó không đảm bảo phông chữ có thể sử dụng tương tự sẽ có sẵn cho tài liệu Word đã chuyển đổi. Việc thay thế phông chữ, độ rộng ký tự, khoảng cách đoạn văn và lề trang có thể thay đổi việc ngắt dòng. Một sự khác biệt nhỏ ở gần đầu có thể chuyển nội dung sang một trang khác.
Bảo tồn hình ảnh so với chuyển đổi có thể chỉnh sửa
| Cách tiếp cận | Những gì bạn nhận được | Sự đánh đổi chính |
|---|---|---|
| Bảo quản hình ảnh | Hình ảnh được hiển thị của mỗi trang PDF được đặt trong DOCX. | Trang này có thể trông tương tự nhưng văn bản của nó không phải là văn bản Word có thể chỉnh sửa thông thường. |
| Tái tạo có thể chỉnh sửa | Văn bản được nhận dạng hoặc trích xuất được xây dựng lại thành nội dung Word. | Bạn có thể chỉnh sửa văn bản nhưng bố cục và cấu trúc tài liệu có thể thay đổi. |
Tài liệu hình ảnh trang có thể hữu ích khi người nhận đặc biệt cần DOCX chứa các trang trực quan. Nó thường là một lựa chọn tồi cho việc viết lại đoạn văn. Việc tái tạo có thể chỉnh sửa phù hợp với các bản sửa đổi văn bản, miễn là bạn có thời gian để xem lại các tiêu đề, danh sách, bảng và thứ tự đọc. Cả hai cách tiếp cận đều không phục hồi được tệp nguồn gốc một cách hoàn hảo.
Điều gì thay đổi khi PDF được quét?
Quét chỉ hình ảnh không có văn bản có thể sử dụng được cho trình trích xuất văn bản thông thường. OCR ước tính các ký tự từ pixel. Nó có thể đọc sai số 0 thành chữ O hoặc hợp nhất các cột liền kề và việc nhận dạng các từ không khôi phục được kiểu dáng và cấu trúc tài liệu ban đầu. Tìm hiểu cách bản quét có thể tìm kiếm khác với bản PDF gốc.
Chọn đầu ra SoraFiles thích hợp
hiện tại Công cụ SoraFiles PDF sang Word cung cấp kết quả đầu ra có thể chỉnh sửa và trực quan. Chuyển đổi có thể chỉnh sửa sẽ trích xuất văn bản có sẵn, sử dụng OCR khi cần và xây dựng các đoạn Word với các tiêu đề, danh sách và bảng đơn giản được suy ra. Nó không hứa hẹn sẽ tái tạo lại bố cục ban đầu hoặc tất cả nội dung đồ họa. Đầu ra trực quan đưa các trang PDF được hiển thị vào DOCX dưới dạng hình ảnh.
Chọn đầu ra có thể chỉnh sửa nếu việc thay đổi từ ngữ là quan trọng nhất. Chọn đầu ra trực quan nếu việc giữ nguyên cách sắp xếp hiển thị của trang quan trọng hơn việc chỉnh sửa văn bản của trang. Kiểm tra tùy chọn đầu ra đã chọn trước khi chuyển đổi và xem lại một trang phức tạp trước khi dựa vào toàn bộ tài liệu.
Làm thế nào để giảm bớt sự ngạc nhiên
- Yêu cầu DOCX gốc nếu có; nó là một nguồn chỉnh sửa tốt hơn một bản PDF được chuyển đổi.
- Kiểm tra trang đầu tiên, trang dày đặc và mọi bảng phức tạp trước khi chỉnh sửa toàn bộ tệp.
- So sánh thứ tự đọc cột, danh sách đánh số, tiêu đề, chú thích cuối trang và ngắt trang.
- Xem lại tên, ngày tháng, tổng số và số nhận dạng sau OCR. Một từ có vẻ hợp lý vẫn có thể sai.
- Sau khi chỉnh sửa, hãy tạo một bản PDF và so sánh lại các trang cuối cùng trước khi chia sẻ.
Nếu bạn chỉ cần tìm hoặc trích xuất văn bản được quét, PDF OCR có thể là đủ. Sau khi chỉnh sửa DOCX, hãy sử dụng Từ sang PDF để chuẩn bị một bản sao trang cố định, sau đó kiểm tra nó trong trình xem PDF.
Tài liệu tham khảo
- Microsoft: Mở tệp PDF trong Word (External link, opens in a new tab)
- Microsoft: Cấu trúc của tài liệu WordprocessingML (External link, opens in a new tab)
- Adobe: Xử lý phông chữ trong chuyển đổi PDF (External link, opens in a new tab)
- SoraFiles: PDF sang Word