Tại sao văn bản được trích xuất hiển thị trống hoặc bị xáo trộn?

Nếu PDF được tạo bằng cách quét tài liệu vật lý, nó có thể không có lớp văn bản nào cả — về cơ bản nó là hình ảnh của văn bản. Dùng công cụ OCR trước để thêm lớp văn bản, rồi mới trích xuất. Văn bản bị xáo trộn đôi khi xảy ra khi PDF sử dụng mã hóa phông chữ phi tiêu chuẩn; trong những trường hợp đó hãy thử chuyển đổi PDF sang Word sử dụng engine trích xuất khác.

Có thể trích xuất văn bản từ PDF được bảo vệ bằng mật khẩu không?

Có, nếu bạn có mật khẩu. Nhập vào trường mật khẩu khi tải lên. Lưu ý rằng một số PDF có quyền 'hạn chế nội dung' riêng ngăn sao chép ngay cả sau khi mở khóa — công cụ trích xuất sẽ thông báo cho bạn nếu điều này áp dụng.

Điều gì xảy ra với hình ảnh trong PDF?

Hình ảnh không được đưa vào đầu ra văn bản — chỉ lớp nội dung văn bản được trích xuất. Nếu bạn cũng cần hình ảnh, hãy dùng công cụ Trích xuất hình ảnh trên cùng tài liệu.

Văn bản được trích xuất có thể tìm kiếm không?

Đầu ra là tệp văn bản thuần túy, vốn có thể tìm kiếm bằng bất kỳ trình chỉnh sửa văn bản, lệnh terminal hoặc công cụ lập chỉ mục tìm kiếm nào. Không có yêu cầu đặc biệt để tìm kiếm đầu ra.

Tôi có thể trích xuất văn bản chỉ từ các trang cụ thể không?

Có. Dùng trường phạm vi trang để chỉ định các trang riêng lẻ hoặc phạm vi (ví dụ 1-5 hoặc 3,7,12). Chỉ các trang đã chọn được xử lý và đưa vào đầu ra.

Có giữ nguyên cấu trúc bảng trong đầu ra không?

Các ô bảng được trích xuất với quan hệ không gian được duy trì khi có thể. Các bảng đơn giản có viền rõ ràng được xuất ở định dạng phân cách bằng tab có thể nhập vào phần mềm bảng tính. Các bảng phức tạp với ô được hợp nhất có thể cần làm sạch thủ công.

Điều này khác với việc sao chép văn bản từ trình xem PDF như thế nào?

Trình xem PDF chọn văn bản theo cách trực quan, điều này bị phá vỡ với bố cục nhiều cột và đoạn văn dài kéo dài nhiều trang. Công cụ trích xuất này đọc trực tiếp luồng nội dung nền, cung cấp ranh giới đoạn văn chính xác hơn và thứ tự đọc đúng trong toàn bộ tài liệu chỉ trong một bước.

Tôi có thể trích xuất văn bản từ PDF rất lớn không?

Có. Công cụ xử lý PDF với hàng trăm trang. Thời gian xử lý tăng theo độ dài tài liệu — tài liệu 200 trang thường hoàn thành trong vòng 30 giây.

Nếu tôi cần văn bản ở định dạng Word thay vì văn bản thuần túy thì sao?

Dùng công cụ PDF sang Word, trích xuất nội dung vào tệp DOCX với bố cục gần đúng được giữ nguyên bao gồm tiêu đề, kiểu in đậm và in nghiêng và cấu trúc bảng cơ bản.

Tất cả công cụ

PDF sang văn bản

Trích xuất văn bản từ PDF

1Tải lên

2Cấu hình

3Xử lý

Drop file here

PDF, Word, Excel, PowerPoint, images up to 25 MB

Tính năng chính

Trích xuất văn bản trực tiếp từ lớp nội dung PDF
Tái tạo thứ tự đọc đúng cho bố cục nhiều cột
Giữ nguyên cấu trúc đoạn văn và khoảng cách
Xử lý bảng với ranh giới hàng và cột
Hỗ trợ PDF lên đến hàng trăm trang
Xuất tệp TXT sạch để tải xuống
Xem trước văn bản đã trích xuất trên trình duyệt trước khi tải xuống
Sao chép văn bản trực tiếp từ bảng xem trước
Xử lý PDF với cấu trúc văn bản lồng nhau phức tạp
Hoạt động với PDF được bảo vệ bằng mật khẩu nếu bạn cung cấp mật khẩu
Không cần tài khoản hoặc đăng ký
Tệp xóa ngay sau khi xử lý

Trường hợp sử dụng

Sao chép nội dung báo cáo để dán vào trình chỉnh sửa tài liệu
Trích xuất điều khoản hợp đồng để xem xét pháp lý trong trình chỉnh sửa văn bản
Lấy dữ liệu từ hóa đơn PDF vào quy trình làm việc bảng tính
Trích xuất văn bản bài nghiên cứu cho công cụ quản lý trích dẫn
Đưa nội dung PDF vào công cụ dịch thuật hoặc bản địa hóa
Xây dựng chỉ mục văn bản có thể tìm kiếm từ thư viện tệp PDF
Trích xuất mô tả sản phẩm từ danh mục PDF của nhà cung cấp
Chuẩn bị nội dung PDF để nhập vào công cụ AI tóm tắt hoặc phân tích

Cách sử dụng

1Tải lên PDF bằng cách nhấp vào vùng tải lên hoặc kéo tệp từ trình quản lý tệp.
2Chọn tùy chọn đầu ra — văn bản thuần túy hoặc văn bản có định dạng với khoảng cách đoạn văn được giữ nguyên.
3Nhấp Trích xuất và chờ trong khi công cụ xử lý lớp văn bản của tài liệu.
4Xem xét văn bản đã trích xuất trong bảng xem trước. Kiểm tra thứ tự cột và cấu trúc đoạn văn có chính xác không.
5Tải xuống tệp TXT hoặc sao chép văn bản trực tiếp từ bản xem trước vào clipboard.

Bạn muốn sao chép nội dung báo cáo vào trình chỉnh sửa tài liệu, trích xuất các điều khoản hợp đồng để xem xét pháp lý, hoặc đưa nội dung PDF vào các công cụ AI tóm tắt. Công cụ trích xuất văn bản PDF của dokk.ai đọc trực tiếp lớp nội dung nền — cung cấp ranh giới đoạn văn chính xác hơn và thứ tự đọc đúng trong toàn bộ tài liệu chỉ trong một bước. Phân tích bố cục xác định các vùng cột theo không gian và tạo ra chúng theo thứ tự đọc — cột trái trước, rồi cột phải. Điều này áp dụng cho các bố cục hai và ba cột thường gặp trong bài báo học thuật và tạp chí. Các bảng đơn giản có viền rõ ràng được xuất ra ở định dạng phân cách bằng tab có thể nhập vào phần mềm bảng tính. dokk.ai trích xuất văn bản từ PDF theo hai chế độ đầu ra: văn bản thuần túy và văn bản có cấu trúc giữ nguyên bố cục. Chế độ văn bản thuần túy lý tưởng cho lập chỉ mục, tìm kiếm toàn văn và xử lý ngôn ngữ tự nhiên. Đối với tài liệu được quét, OCR được áp dụng tự động. Engine OCR hỗ trợ hơn 40 ngôn ngữ. Công cụ xử lý tệp lên đến 100 MB và có thể truy cập từ bất kỳ trình duyệt hiện đại nào trên mọi nền tảng. Kết quả có sẵn để tải xuống dưới dạng tệp TXT hoặc sao chép trực tiếp từ trang. Mã hóa TLS và xóa tự động.

Câu hỏi thường gặp

Bảo mật và quyền riêng tư

PDF của bạn được tải lên qua kết nối TLS được mã hóa và bị xóa khỏi máy chủ của chúng tôi ngay sau khi văn bản được trích xuất. Chúng tôi không đọc, lập chỉ mục hay lưu trữ nội dung tài liệu của bạn. Không yêu cầu đăng ký.