Vì sao chữ không còn sao chép được sau khi nén PDF?
Tìm hiểu raster hóa và lớp văn bản PDF, rồi kiểm tra sao chép, tìm kiếm, liên kết và biểu mẫu trước khi sử dụng bản nén.
Sau khi nén PDF, trang có thể trông gần như không đổi nhưng chữ không còn chọn được, còn tìm kiếm không thấy những từ vẫn hiện rõ. Không nhất thiết là lỗi trình đọc: quá trình nén có thể đã biến cả trang thành ảnh.
Dung lượng và độ nét chưa đủ để đánh giá kết quả. Bạn cũng cần kiểm tra các chức năng ban đầu của tài liệu có được giữ lại hay không.
Trang trông giống nhau nhưng cách lưu có thể đã khác
Một trang PDF có thể chứa văn bản, ảnh, đồ họa vector và liên kết cùng lúc. Những gì hiển thị trên màn hình là kết quả kết hợp các thành phần đó.
Đối tượng văn bản thường hỗ trợ chọn, sao chép và tìm kiếm. Chữ trong ảnh chỉ là điểm ảnh; nhìn giống chữ không có nghĩa là trích xuất trực tiếp được.
Tài liệu quét cũng có thể có lớp văn bản do OCR tạo ra bên dưới ảnh hiển thị. Vì vậy, PDF trông như ảnh chụp vẫn có thể cho phép tìm kiếm và sao chép.
Nếu quá trình nén chỉ giữ hình thức hiển thị rồi đưa ảnh từng trang vào PDF mới, lớp văn bản có thể mất. Tài liệu vẫn đọc được nhưng lưu nội dung theo cách khác.
Có nhiều cách nén PDF
Mỗi phương pháp thay đổi những thành phần khác nhau.
| Phương pháp | Thay đổi chính | Điều cần lưu ý |
|---|---|---|
| Tổ chức lại cấu trúc tệp | Cách lưu đối tượng và dữ liệu | Mức giảm có thể hạn chế; vẫn cần kiểm tra chức năng |
| Nén ảnh bên trong trang | Độ phân giải hoặc chất lượng mã hóa ảnh | Chi tiết ảnh có thể giảm mà không nhất thiết ảnh hưởng đến chữ |
| Biến cả trang thành ảnh | Cách lưu nội dung trang | Đối tượng chữ, vector và tính tương tác có thể không còn |
Cách thứ ba thường được gọi là raster hóa. Trang được kết xuất rồi PDF được dựng lại bằng ảnh. Một số tệp giảm dung lượng đáng kể, nhưng ảnh hưởng không chỉ là hình hơi mờ hơn.
DocCrunch Nén PDF hiện tạo một bản lưu lại cấu trúc và một bản dựng từ ảnh trang, sau đó chọn bản nhỏ hơn. Nếu cả hai đều không nhỏ hơn đầu vào, công cụ trả lại tệp gốc.
Phương pháp được chọn phụ thuộc vào nội dung. Không thể mặc định mọi kết quả đều giữ chữ có thể sao chép.
Chế độ rõ nét không bảo đảm giữ lớp văn bản
Độ nét mô tả hình thức hiển thị; lớp văn bản mô tả cấu trúc tệp.
Ảnh trang độ phân giải cao có thể rất rõ nhưng không cho chọn chữ trực tiếp. Ngược lại, PDF có đối tượng văn bản vẫn có thể sao chép bình thường dù hình minh họa bị mờ.
Các mức nén của DocCrunch ảnh hưởng đến chất lượng ảnh và tỷ lệ kết xuất khi dựng lại trang. Hiện không có tùy chọn riêng luôn giữ lớp văn bản. Vì vậy, chọn mức rõ nét nhất không bảo đảm chữ chọn được.
Nếu cần tìm kiếm, trích dẫn hoặc chuyển sang tài liệu có thể sửa, hãy thử các chức năng đó thay vì chỉ phóng to xem nét chữ.
Không chỉ chức năng sao chép có thể thay đổi
Sau khi trang thành ảnh, hãy kiểm tra các tính năng vốn dựa trên đối tượng riêng.
- Tìm kiếm: từ nhìn thấy có thể không còn được tìm ra trong tài liệu.
- Liên kết: địa chỉ vẫn hiện nhưng vùng bấm có thể mất.
- Biểu mẫu: ô nhập có thể chỉ còn hình dạng, không nhận dữ liệu.
- Phóng to: chữ và đường vector có thể lộ viền điểm ảnh.
- Chuyển đổi sau này: chữ từng trích xuất được có thể cần OCR lại.
Một số trình đọc tự nhận dạng chữ trong ảnh nên vẫn cho chọn hoặc sao chép. Điều đó không chứng minh bản thân PDF còn lớp văn bản; trình đọc khác có thể hoạt động khác.
Nếu còn cần chuyển sang Word, hãy giữ PDF gốc và dùng PDF sang Word với bản đó. Công cụ hiện tại của DocCrunch chủ yếu trích xuất chữ có sẵn, không trực tiếp chạy OCR trên trang quét.
Xác định những gì phải giữ trước khi giảm dung lượng
Với tài liệu chỉ để đọc, dựng lại trang bằng ảnh có thể chấp nhận được. Hãy kiểm tra chữ nhỏ, biểu đồ và đường mảnh.
Nếu cần tìm kiếm, điền biểu mẫu hoặc chuyển đổi tiếp, hãy đưa chúng vào yêu cầu nén. Tệp nhỏ hơn không tự động phù hợp hơn để bàn giao.
Cũng không phải lúc nào nên bắt đầu bằng giảm chất lượng. Nếu chỉ cần một số trang, dùng Xóa trang PDF rồi kiểm tra dung lượng. Mức giảm không nhất thiết tỷ lệ với số trang, nhưng có thể tránh dựng lại những trang giữ lại thành ảnh khi không cần.
Nếu có tài liệu nguồn, một lựa chọn khác là giảm kích thước hình minh họa quá lớn rồi xuất PDF mới. Cách này xử lý nội dung chiếm chỗ thay vì biến cả trang thành ảnh.
Kiểm tra kết quả theo mục đích sử dụng
Sau khi tải xuống:
- Xác nhận số trang, thứ tự và nội dung đầy đủ.
- Phóng to chữ nhỏ, đường mảnh, biểu đồ và nội dung màu nhạt.
- Chọn một đoạn rồi sao chép vào trình soạn thảo văn bản thuần.
- Tìm vài từ chắc chắn có, kể cả ở những trang sau.
- Thử các liên kết, biểu mẫu cần dùng và kiểm tra dung lượng thực.
Nếu bản gốc vốn không cho sao chép chữ, nén không tự làm nó thành tài liệu có thể sửa. Đó là việc của nhận dạng văn bản.
Sau khi nén PDF, hãy giữ cả bản gốc lẫn bản nhỏ hơn. Bản phù hợp để gửi chưa chắc thích hợp cho chỉnh sửa, tìm kiếm hoặc chuyển đổi tiếp. Tách bản bàn giao khỏi bản nguồn giúp xử lý về sau dễ hơn.
Công cụ DocCrunch được đề xuất
Các công cụ này chạy cục bộ trong trình duyệt khi có thể, nên không cần tải tệp lên máy chủ.