Vì sao nên chuyển PDF sang Markdown?
PDF giữ chữ ở những vị trí cố định trên trang, rất hợp để in nhưng lại bất tiện khi bạn muốn làm việc với nội dung. Chép chữ từ PDF thường cho ra dòng bị ngắt vụn, mất tiêu đề và số trang chen giữa câu. Markdown là văn bản thuần với vài ký hiệu đơn giản để đánh dấu cấu trúc, nên kết quả vẫn dễ đọc như vậy và hiển thị thành một trang gọn gàng trong bất kỳ trình soạn thảo Markdown nào.
Những lý do thường gặp:
- Đưa tài liệu cho công cụ AI. Dán báo cáo hay hợp đồng vào ChatGPT, Claude, Gemini hoặc Copilot dưới dạng văn bản sạch, giữ nguyên tiêu đề và bảng, thay vì một mớ dòng chép lộn xộn.
- Ghi chú. Đưa bài báo, tài liệu bài giảng hay sách hướng dẫn vào Obsidian, Notion, Logseq, Bear hoặc Joplin.
- Tài liệu kỹ thuật và GitHub. Biến sách hướng dẫn hay bản đặc tả dạng PDF thành README, trang wiki hoặc trang tài liệu.
- Chỉnh sửa bằng trình soạn thảo văn bản thuần. Markdown dễ sửa, dễ so sánh và dễ quản lý phiên bản.
Những gì được giữ lại
| Trong PDF | Trong tệp Markdown |
|---|---|
| Tiêu đề | Tiêu đề "#" và "##" |
| Đoạn văn | Đoạn văn cách nhau bằng dòng trống |
| Chữ đậm và nghiêng | Giữ lại, đánh dấu bằng dấu sao |
| Gạch đầu dòng (•, ◦, ▪) | Mục danh sách "- " |
| Bảng đơn giản | Bảng Markdown (GFM); cột số căn phải |
| Ảnh | Bỏ qua, hoặc lưu trong thư mục ảnh (ZIP) |
| Số trang, ngắt trang | Bỏ đi ở "Văn bản liền mạch"; mỗi trang một nhãn ở "Giữ nguyên các trang PDF" |
| Phông chữ, màu sắc, cột | Không giữ |
Mẹo để có Markdown gọn gàng hơn
- Dùng tệp gốc. Tệp PDF xuất từ Word, Google Docs hay LaTeX chuyển đổi tốt hơn nhiều so với bản scan hay ảnh chụp trang giấy.
- Chỉ chuyển phần bạn cần. Với PDF dài, hãy trích xuất các trang cần dùng trước. Tệp Markdown ngắn hơn cũng giúp công cụ AI xử lý trọn trong một lần.
- Xóa thông tin riêng tư trước. Trước khi dán tài liệu vào công cụ AI trực tuyến, hãy che tên và các con số bằng Che thông tin PDF, hoặc xóa chúng trong tệp .md. Bài hướng dẫn cách chuẩn bị PDF cho ChatGPT đi qua từng bước kiểm tra.
- Xem trước kết quả. Mở tệp .md trong trình soạn thảo Markdown hoặc trên GitHub để kiểm tra nhanh tiêu đề và bảng.
Cần định dạng khác? PDF sang văn bản chỉ lấy chữ thuần, không có ký hiệu nào, PDF sang HTML tạo trang web, còn PDF sang Word cho tài liệu chỉnh sửa được.
Nếu gặp sự cố
Tệp Markdown trống hoặc gần như trống. Có lẽ PDF là bản scan, nên các trang chỉ là ảnh không có chữ. Hãy làm cho tệp tìm kiếm được chữ bằng OCR PDF trước.
Chữ bị dính liền hoặc tách ra bất thường. Một số PDF lưu từng chữ cái riêng lẻ hoặc dùng phông chữ lạ. Chữ được sắp xếp chính xác nhất có thể; hãy sửa vài từ lạ bằng trình soạn thảo văn bản.
Một dòng thường bị nhận nhầm thành tiêu đề, hoặc tiêu đề bị bỏ sót. Tiêu đề được nhận dạng theo cỡ chữ và độ đậm. Hãy thêm hoặc xóa dấu "#" ở đầu dòng.
PDF yêu cầu mật khẩu. Mở tệp bằng Mở khóa PDF với mật khẩu bạn biết, rồi chuyển đổi bản đã mở khóa.