Tài Liệu sang Văn Bản
Trích xuất văn bản đọc được từ PDF, PowerPoint, Excel, HTML, Markdown hoặc Word bằng trình đọc hiểu từng định dạng, trong một lần xử lý. Một công cụ duy nhất thay vì phải nhớ công cụ nào dùng cho loại file nào. Công cụ miễn phí, không cần tài khoản và không thêm watermark vào kết quả của bạn.
Tài Liệu sang Văn Bản
Thêm file của bạn. Thiết lập đề xuất đã sẵn sàng, bạn có thể xử lý chỉ với một cú nhấp.
PDF, Word, ảnh, âm thanh, video, file nén và hơn nữa
Tối đa 100 file · 250 MB · Không cần tài khoản- 1Thêm file
- 2Chọn một thao tác
- 3Tải về hoặc làm tiếp
Khi nào bạn cần
Cách hoạt động
Phần mở rộng của file quyết định trình đọc: trích xuất văn bản PDF, kèm OCR cho trang không có lớp chữ; đọc Word, PowerPoint và Excel, với file cũ .doc, .ppt và .xls được LibreOffice chuyển đổi trước; và loại bỏ thẻ với HTML. Markdown và các file văn bản khác được đọc nguyên dạng. Kết quả là văn bản thuần UTF-8. Tệp Word được đọc theo thứ tự tài liệu, nên bảng nằm đúng giữa các đoạn xung quanh, và hộp văn bản, điều khiển nội dung cùng chú thích cuối trang đều được đưa vào. Trang chiếu ra có đánh số, kèm bảng, văn bản nhóm và ghi chú diễn giả; sổ làm việc nhiều trang tính ghi tên từng trang trước các dòng của nó. Tệp văn bản được đọc theo bảng mã lúc lưu, kể cả ANSI và Unicode của Notepad, và trang web được bỏ script và kiểu thay vì đọc chúng thành văn bản.
Bố cục không được giữ lại. Trang nhiều cột và bảng phức tạp bị dàn thành văn bản tuần tự, phù hợp để tìm kiếm và phân tích nhưng không để tái tạo tài liệu. Nếu chỉ có file Word, Word sang Văn Bản giữ được tiêu đề, ký hiệu danh sách, bảng và có bản xem trước chỉnh sửa được.
Câu hỏi thường gặp
Hỗ trợ những định dạng nào?
PDF, DOC/DOCX, PPT/PPTX, XLS/XLSX, HTML và Markdown, được nhận diện theo phần mở rộng của file, nên hãy chắc chắn file mang đúng phần mở rộng.
Với DOCX nên dùng công cụ này hay Word sang Văn Bản?
Dùng Word sang Văn Bản nếu file của bạn là tài liệu Word: chạy trong trình duyệt, giữ tiêu đề, ký hiệu danh sách và cột bảng, và cho phép sửa văn bản trước khi tải. Dùng trang này cho PDF, slide, bảng tính, HTML hoặc một loạt file hỗn hợp.
Bảng có giữ được cấu trúc không?
Chỉ một phần. Hàng trong bảng tính và bảng Word được xuất ra với các ô ngăn cách bằng tab, còn bảng trong PDF bị dàn thành các dòng chữ. Dùng PDF sang Excel hoặc Công Cụ CSV khi cần cấu trúc bảng thật.
Còn tài liệu scan thì sao?
Trang PDF scan không có lớp chữ nên được tự động đọc bằng OCR. Với ảnh chụp hoặc file ảnh scan, hãy dùng OCR Ảnh sang Văn Bản; muốn có PDF tìm kiếm được thay vì văn bản thuần, hãy dùng OCR PDF.
Ghi chú diễn giả có được đưa vào không?
Có. Mỗi trang chiếu ra dưới dòng “Slide N” cùng văn bản, bảng và hình được nhóm, theo sau là ghi chú diễn giả.
Vì sao chữ có dấu bị lỗi ở các trình chuyển đổi khác?
Thường vì tệp được lưu dạng ANSI (windows-1252) hoặc Unicode (UTF-16) nhưng lại được đọc như UTF-8. Ở đây bảng mã được nhận diện, nên café, € và dấu ngoặc kép cong ra đúng như đã viết, và kết quả được lưu dạng UTF-8.
Công cụ miễn phí liên quan
Lấy phần chữ trong một tệp PDF ra dưới dạng văn bản thuần có thể dán đi bất cứ đâu, không kéo theo bố cục, phông chữ hay đầu trang cuối trang.
Lấy văn bản từ tài liệu Word với tiêu đề, danh sách và bảng vẫn dễ đọc. Chỉnh sửa, sao chép hoặc tải file .txt UTF-8. Đọc trong trình duyệt, không tải lên.
Chuyển PDF quét thành tài liệu tìm kiếm được với hơn 100 ngôn ngữ, tự động nhận diện ngôn ngữ.
Loại bỏ thẻ HTML và giữ lại văn bản đọc được từ trang web, email hoặc dữ liệu xuất từ CMS. Miễn phí, không cần tài khoản.