"Chuyển PDF sang Word" nghe như đổi đuôi file. Thực ra nó gần với đọc lại tài liệu rồi dựng lại hơn, và hiểu điều đó giúp bạn biết khi nào kết quả tốt, khi nào nên làm cách khác.
Vì sao không phải là đổi đuôi
PDF mô tả trang giấy đã in xong: ký tự này nằm ở toạ độ kia, đường kẻ này dài chừng này. Nó không ghi "đây là một bảng ba cột", cũng không ghi "đây là đoạn văn thuộc mục 2.1".
Word thì ngược lại: nó cần biết đâu là đoạn văn, đâu là bảng, đâu là tiêu đề — để bạn gõ thêm một câu thì cả trang tự giãn ra cho đúng.
Chuyển từ cái trước sang cái sau là suy ra cấu trúc từ hình dạng. Con người nhìn một cái là biết; máy phải đoán. Và với bản scan thì còn thêm một lớp nữa: chữ trong file chỉ là ảnh, phải nhận dạng ra ký tự trước — xem bài Vì sao PDF scan không tìm được chữ.
Cái gì thường ra tốt
Văn bản hành chính, hợp đồng, báo cáo — những tài liệu một cột, bố cục đều đặn. Đây là dạng phổ biến nhất và cũng là dạng cho kết quả tốt nhất.
Bảng có đường kẻ rõ ràng, kể cả bảng kéo dài qua nhiều trang — hệ thống nối lại thành một bảng liền trong Word thay vì cắt đôi theo trang giấy.
Dấu tiếng Việt. Đây là chỗ nhiều công cụ nước ngoài làm hỏng: "Hoà" thành "Hoa", "đ" thành "d". Với tiếng Việt thì dấu không phải chi tiết phụ — mất dấu là mất nghĩa.
Con dấu và chữ ký được giữ dưới dạng hình ảnh, đặt đúng chỗ trên trang.
Cái gì thường ra lệch
Bố cục nhiều cột phức tạp — tạp chí, tờ rơi, báo cáo thiết kế đẹp với hộp chữ đan xen ảnh. Thứ tự đọc của những trang này vốn đã mơ hồ, và kết quả thường cần sắp lại tay.
Bảng không có đường kẻ, chỉ căn bằng khoảng trắng. Ranh giới cột lúc này do mắt người suy ra, và máy suy khác bạn là chuyện thường.
Biểu đồ và sơ đồ. Chúng sang Word dưới dạng hình ảnh, không thành đối tượng sửa được.
Bản scan chất lượng kém — nghiêng, mờ, thiếu sáng, giấy ố. Đây là nguyên nhân số một khiến kết quả kém, và không công cụ nào bù lại được chất lượng đầu vào đã mất.
Xem trước trước khi trả tiền
Hệ thống dựng trang đầu tiên miễn phí để bạn xem. Hãy dùng nó cho đúng việc:
- Tìm một dòng có dấu tiếng Việt dày đặc và đọc kỹ.
- Nếu tài liệu có bảng, kiểm xem cột có đúng không.
- Nếu trang đầu là bìa đơn giản trong khi phần khó nằm ở giữa file, hãy trích riêng vài trang khó rồi thử trước trên phần đó. Tốn thêm một lượt, nhưng rẻ hơn trả tiền cho cả tập 200 trang rồi mới thấy không dùng được.
Đây là lý do có bản xem trước: để bạn quyết định trên kết quả thật, không phải trên lời hứa.
Khi nào nên chọn công cụ khác
Chỉ cần chữ, không cần bố cục — soạn lại từ đầu, trích dẫn, dán sang nơi khác: dùng PDF sang văn bản. Nhẹ hơn và không có bố cục để mà lệch.
Tài liệu chủ yếu là bảng số liệu — sao kê, bảng lương, danh sách hàng hoá: dùng PDF sang Excel. Ra ô tính toán được thay vì bảng trong Word.
Chỉ cần tìm kiếm được trong bản scan, vẫn giữ nguyên hình thức bản gốc kèm con dấu: đừng chuyển sang Word làm gì, dùng OCR PDF.
Sau khi có file Word
Hai việc nên làm, theo thứ tự:
- Đọc soát số liệu. Ngày tháng, số tiền, số quyết định, mã số thuế — những chỗ mà một ký tự sai là sai cả văn bản.
- Kiểm bảng. Xem có ô nào bị gộp hoặc tách nhầm không, nhất là ở chỗ bảng vắt qua trang.
Máy tiết kiệm cho bạn công gõ lại cả tài liệu. Phần đối chiếu vẫn là việc của người.
Tóm lại
Kết quả phụ thuộc vào bố cục gốc và chất lượng bản scan nhiều hơn là vào việc chọn công cụ nào. Dùng bản xem trước để kiểm đúng phần khó nhất, và chọn đúng đích: Word cho tài liệu cần sửa, Excel cho bảng số, văn bản thuần cho việc trích dẫn, OCR khi chỉ cần tìm kiếm được.