Extract text from images — free

Công cụ chuyển đổi tái dựng cấu trúc logic của tài liệu — tiêu đề, đoạn văn, danh sách, các phần tử <table> thực sự, liên kết và hình ảnh — thay vì chỉ ghim từng ký tự vào tọa độ X/Y như một số trình xem PDF làm. Kết quả tự sắp xếp lại trên di động, được lập chỉ mục tốt cho SEO, và sẵn sàng tương thích với trình đọc màn hình.

Có. Bảng trở thành các phần tử <table>, <thead>, <tbody>, <tr>, <th> và <td> tiêu chuẩn với thuộc tính scope đúng đắn trên các ô tiêu đề. Điều đó khiến chúng thân thiện với trình đọc màn hình, có thể tìm kiếm và dễ tạo kiểu với Bootstrap, Tailwind hoặc framework CSS hiện có của bạn — không cần biến đổi mã đánh dấu thêm.

Có. Dán vào WordPress, Webflow, Ghost, Notion (dưới dạng nhúng), Confluence, GitBook hoặc trang tĩnh tùy chỉnh của bạn — mã đánh dấu không phụ thuộc thư viện nào, kiểm tra hợp lệ theo đặc tả W3C HTML5 và hiển thị giống hệt nhau trên Chrome, Safari, Firefox và Edge. Hình ảnh được nhúng trong dòng dưới dạng base64 hoặc trích xuất thành các file riêng tùy theo lựa chọn của bạn.

Có. Các file PDF chỉ gồm ảnh sẽ kích hoạt bộ máy OCR, vốn trích xuất văn bản và dựng lại bố cục trước khi tạo HTML. Điều đó có nghĩa là ngay cả các bản whitepaper quét cũ, báo cáo chụp ảnh và tài liệu nhận lại qua fax cũng có thể được xuất bản lại thành các trang web hiện đại, đáp ứng đa thiết bị, với tiêu đề, đoạn văn và liên kết đúng chuẩn.

Có. Hình ảnh nhúng được trích xuất, tối ưu hóa (WebP hoặc PNG tùy nội dung) và tham chiếu qua thẻ <img> với thuộc tính chiều rộng và chiều cao được đặt sẵn để tải thân thiện với CLS. Biểu đồ vector có thể bị làm phẳng thành ảnh raster — để giữ trọn vẹn độ chính xác vector, hãy dùng chuyển PDF sang Ảnh và nhúng các bản dựng SVG theo cách thủ công.

Tệp tải lên được xóa trong vòng vài phút, không bao giờ được dùng để huấn luyện mô hình, không bao giờ được chia sẻ. Tệp HTML xuất ra không có hình mờ, không có chú thích ghi nguồn, không có pixel theo dõi. Các agency và đội ngũ nội bộ dùng công cụ này để chuyển các tệp PDF cũ sang những trang CMS hiện đại mà không phải lo về bản quyền hay quyền riêng tư.

Mở nhóm điều khiển Engine cạnh bản xem trước, chọn Mặc định, Engine 1 hoặc Engine 2, rồi chọn ngôn ngữ của tài liệu từ bộ chọn Ngôn ngữ có thể tìm kiếm bên dưới — hỗ trợ hơn 100 ngôn ngữ, kể cả chữ viết không phải Latin. Sau khi thay đổi cài đặt nào, hãy nhấn Chạy lại trích xuất để tạo lại HTML với lượt OCR mới.

Bắt đầu với Default cho các ngôn ngữ dùng hệ chữ Latinh phổ biến — nó nhanh nhất và chính xác nhất cho tài liệu thường ngày. Với các hệ chữ ít phổ biến hơn (tiếng Ả Rập, Hindi, Trung) hoặc khi Default làm rối tiêu đề và bảng, chuyển sang Engine 1 hoặc Engine 2, đặt đúng Language, rồi Re-run extraction — mỗi engine chuyên về các hệ chữ khác nhau, nên thử cả hai chỉ mất vài giây và thường khắc phục được các ký tự có dấu bị đọc sai.

Có — bảng đầu ra hiển thị một hộp mã chỉnh sửa được bên cạnh một bản xem trước dựng trực tiếp, nên gõ một sửa đổi (xóa một thẻ thừa, điều chỉnh cấp độ tiêu đề, chỉnh văn bản nội tuyến) sẽ cập nhật khung xem trước ngay lập tức. Hãy thực hiện mọi chỉnh sửa của bạn ở đó trước khi nhấn tải xuống hoặc sao chép, vì cả hai thao tác đều dùng bất cứ gì hiện có trong hộp mã, không phải đầu ra OCR ban đầu.

Nhấn Sao chép HTML phía trên bảng đầu ra — thao tác này sao chép chính xác nội dung trong ô mã có thể chỉnh sửa, bao gồm mọi chỉnh sửa thủ công bạn đã thực hiện, vào bộ nhớ tạm và hiển thị nhanh 'Copied!' để xác nhận. Đây là cách nhanh nhất khi bạn dán thẳng vào khối HTML hoặc nhúng của một CMS thay vì tải lên một tệp.

Bạn có thể chuyển đổi PDF sang HTML mà không cần tạo tài khoản. Tài khoản Free đã đăng nhập nhận được hạn mức chuyển đổi hằng ngày và thấy một thanh đo mức sử dụng nhỏ khi gần đạt hạn mức, vì các trang PDF được quét sẽ đi qua OCR — tài khoản Premium không thấy giới hạn nào.

Không — không có cài đặt cho việc này trong công cụ; cách hình ảnh được nhúng vào HTML đầu ra được quyết định tự động và không thể chuyển đổi trong giao diện, bất kể một số nội dung trên trang web gợi ý gì. Nếu bạn cần các tệp ảnh độc lập cho thư viện media của CMS, hãy xuất các trang riêng bằng PDF sang Ảnh thay vào đó, vốn xuất ra PNG hoặc JPG — không phải SVG — ở lựa chọn 150, 200 hoặc 300 DPI.