Chuyển PDF sang Word bị lỗi font? Thử một câu để tìm nguyên nhân

Một tình huống hay gặp: bạn cần sửa số tiền trong hợp đồng PDF sáu trang. Ở trang 2, bạn bôi đen và sao chép được câu “Thanh toán 12.500.000 đồng”; sang trang 5, con trỏ chỉ chọn được cả trang như một tấm ảnh. Vẫn là một file PDF, nhưng hai trang cần cách xử lý khác nhau. Hãy thử một câu trước khi chuyển sang Word để biết phần nào có chữ, phần nào cần OCR và phần nào phải sửa từ nguồn.

Thử một câu trước khi chuyển cả file

Mở PDF, chọn một câu có dấu tiếng Việt và một con số, chẳng hạn tên người cùng ngày tháng. Sao chép câu đó vào ô ghi chú trống. Có ba kết quả đáng chú ý:

1. Chọn được từng chữ, dán ra đúng: PDF có lớp chữ dùng được. Bạn có thể thử PDF sang Word trên VietDocs.
2. Chỉ chọn được cả trang như một ảnh, hoặc không sao chép được chữ: tài liệu nhiều khả năng là bản scan chưa có lớp chữ. Cần OCR nếu muốn biên tập chữ.
3. Chọn được chữ nhưng dán ra sai dấu, thiếu ký tự hoặc sai thứ tự: lớp chữ đã lỗi hoặc OCR trước đó nhận sai. Chuyển sang DOCX không tự sửa được nội dung đầu vào. Ví dụ, PDF hiển thị “Đề nghị thanh toán” nhưng ô ghi chú nhận “De ngh? thanh toan”: lỗi đã xuất hiện trước bước chuyển sang Word.

Hình minh họa dùng nội dung giả định, không phải tài liệu thật. Với PDF scan đã OCR, bạn vẫn có thể chọn chữ; vì vậy hãy đọc nội dung sau khi dán, đừng chỉ nhìn con trỏ chọn chữ.

Trường hợp 1: PDF có chữ, cần sửa nội dung

Đây là trường hợp phù hợp với công cụ VietDocs: chọn một file PDF có chữ, bấm chuyển, tải DOCX về rồi mở trong Word hoặc Google Docs. Theo mô tả của công cụ, việc xử lý diễn ra trong trình duyệt và giữ định dạng cơ bản như đậm, nghiêng, căn lề. Công cụ không làm OCR cho trang chỉ có ảnh scan. Nếu cần xem từng thao tác và hai chế độ xuất, đọc hướng dẫn PDF sang Word.

Đừng dùng độ giống nhau về hình thức làm tiêu chí duy nhất. PDF lưu vị trí các thành phần trên trang, còn Word cần ghép chúng lại thành đoạn, bảng và cột để sửa được. Vì thế một hợp đồng hai cột hoặc bảng nhiều ô có thể giữ đúng chữ nhưng vẫn lệch dòng. Microsoft cũng lưu ý việc chuyển PDF nhiều chữ thường tốt hơn tài liệu nhiều đồ họa và bố cục không phải lúc nào cũng trùng bản gốc.

Cách kiểm tra bản Word: đặt PDF gốc cạnh DOCX, đối chiếu lần lượt tên riêng, số tiền, ngày tháng, mục đánh số, bảng và chỗ ký. Nếu có đoạn đảo thứ tự, sửa trong DOCX trước khi gửi. Luôn giữ PDF gốc làm bản đối chiếu.

Trường hợp 2: PDF là ảnh scan, Word ra trắng hoặc chỉ có ảnh

Một trang scan có thể nhìn rất rõ trên màn hình nhưng máy tính chỉ thấy các điểm ảnh. Với loại này, bước cần thêm là OCR: nhận dạng ký tự từ ảnh thành chữ. Sau OCR, hãy chọn và dán thử vài dòng tiếng Việt rồi mới chuyển tiếp sang Word. Adobe mô tả OCR là cách tạo chữ có thể tìm kiếm, chọn và sao chép trong PDF scan.

OCR không bảo đảm đúng tuyệt đối. Ví dụ, “0” dễ nhầm với “O”, “1” với “l”; dấu tiếng Việt, tên người và con số trên ảnh mờ càng cần so với ảnh gốc. Nếu file dùng để nộp hồ sơ mà không cần sửa nội dung, giữ PDF scan thường hợp lý hơn việc tạo một DOCX chứa chữ nhận dạng sai.

Trường hợp 3: chữ chọn được nhưng bị “lỗi font”

“Lỗi font” là tên gọi chung cho hai lỗi khác nhau. Phân biệt chúng bằng câu đã sao chép ở bước đầu:

• Chữ dán từ PDF đã sai: vấn đề nằm ở lớp chữ gốc hoặc kết quả OCR cũ. Thử xin file Word gốc từ người tạo tài liệu; nếu không có, OCR lại từ ảnh rõ hơn rồi tự sửa các chỗ sai. Chỉ đổi phông chữ trong Word không khôi phục được ký tự đã đọc sai.
• Chữ dán đúng nhưng DOCX lệch dòng, khác kiểu chữ: nội dung còn nguyên, vấn đề chủ yếu là bố cục hoặc phông chữ. Chọn phông phổ biến trong Word, chỉnh lại tiêu đề, bảng và các đoạn bị tách. Không cần OCR lại chỉ vì giãn dòng khác PDF.

Nếu bạn còn file Word gốc, sửa trực tiếp file đó và xuất PDF mới là cách ít mất công nhất.

Khi một file vừa có chữ vừa có trang scan

Trở lại hợp đồng sáu trang ở đầu bài: kết quả thử trên trang 2 không đại diện cho trang 5. Hãy kiểm tra ít nhất trang đầu, một trang giữa và trang cuối; với phụ lục scan, thử ngay tại chính trang đó. Đừng kết luận cả file chuyển được chỉ vì một trang chọn được chữ.

Nếu số tiền cần sửa nằm ở trang có lớp chữ, dùng bản DOCX để sửa rồi đối chiếu lại với PDF gốc. Nếu phần cần sửa nằm trong trang scan, bạn cần bản nguồn hoặc OCR riêng trang đó, sau đó đọc lại từng con số. Với trang scan chỉ dùng làm phụ lục, giữ nguyên PDF thường ít rủi ro hơn.

Câu hỏi nhanh

PDF có mật khẩu thì sao? Bạn cần quyền mở và sử dụng nội dung file trước khi chuyển; đừng tìm cách vượt quyền của người tạo tài liệu.

Có cách nào giữ bố cục giống 100% không? Không nên kỳ vọng điều đó khi biến một định dạng trang cố định thành tài liệu chỉnh sửa. Với biểu mẫu phức tạp, tìm file Word gốc sẽ đáng tin cậy hơn.

Chỉ cần gửi bản scan quá nặng? Hãy giữ ở PDF. Có thể thử Nén PDF, rồi phóng to kiểm tra chữ và dấu trên file kết quả trước khi gửi.

Nếu câu thử dán ra đúng chữ, bạn có thể bắt đầu bằng công cụ chuyển PDF sang Word. Nếu câu thử không có chữ hoặc đã sai, xử lý bản scan/lớp chữ trước sẽ tiết kiệm nhiều lần chuyển vô ích.