Khi chuyển PDF sang HTML, bản xuất có thể trông ổn ở lần mở đầu tiên nhưng lỗi thực sự thường nằm ở bảng, hình ảnh và các tệp đi kèm. Văn bản có thể hiện ra đầy đủ, nhưng cột trong bảng bị lệch, hình minh họa bị mất, hoặc đường dẫn ảnh chỉ hoạt động trên đúng máy đã tạo bản xuất. Vì vậy, việc kiểm tra không nên chỉ dừng ở chỗ “mở được”, mà phải xác nhận gói HTML còn dùng được, dễ di chuyển và nhất quán sau khi sao chép sang nơi khác.
Bài viết này tập trung vào khâu kiểm tra chất lượng sau khi chuyển PDF sang HTML. Nội dung không bàn về thứ tự đọc hay so sánh giữa HTML cố định và HTML ngữ nghĩa. Mục tiêu ở đây là cách rà soát bảng, hình ảnh và đường dẫn tệp bằng một ví dụ cụ thể, các bước rõ ràng và một bảng kiểm ngắn. Nếu bạn cần trang thông tin về tình trạng hỗ trợ của nhóm công cụ này, xem trang thông tin PDF sang HTML của Sanreader.
Bắt đầu bằng một gói xuất thực tế
Đừng kiểm tra bằng một tệp một trang quá đơn giản. Một bộ tài liệu phù hợp để rà soát nên có:
- Trang bìa có logo hoặc hình nhận diện.
- Một phần dài hai đến ba trang có bảng.
- Hình chèn trong nội dung kèm chú thích.
- Đầu trang hoặc chân trang lặp lại.
- Ít nhất một biểu đồ hoặc ảnh chụp màn hình.
- Một thư mục chứa tệp HTML và các tệp tài nguyên đã tách ra.
Ví dụ, hãy hình dung một báo cáo vận hành theo quý được xuất từ PDF sang HTML. Gói xuất có thể gồm:
report.html- thư mục
images - nhiều tệp PNG cho biểu đồ và logo
- một trang có bảng dày đặc với ô gộp
Ở bước này, đừng kết luận việc chuyển PDF sang HTML đã thành công chỉ vì report.html mở được trong trình duyệt. Việc kiểm tra cần xác nhận gói này vẫn hoạt động sau khi sao chép, đổi tên thư mục hoặc đưa lên môi trường khác.
Kiểm tra bảng trước khi soi chi tiết văn bản
Trong nhiều trường hợp chuyển PDF sang HTML, bảng là nơi lộ lỗi cấu trúc nhanh nhất. Một đoạn văn có sai lệch khoảng cách nhỏ vẫn có thể đọc được, nhưng một bảng hỏng có thể khiến số liệu không còn sử dụng được.
Hãy rà soát bảng theo thứ tự sau:
- Đối chiếu số hàng và số cột: So bản HTML với trang PDF gốc. Cột bị thiếu thường xuất hiện khi các ô hẹp bị tách sai.
- Kiểm tra ô gộp: Hàng tiêu đề nhiều tầng, dòng cộng dồn hoặc nhãn bên trái dễ bị trôi sang cột bên cạnh.
- Xem lại căn lề: Số liệu vốn căn phải có thể bị chuyển thành căn trái, làm việc đọc so sánh khó hơn.
- Tìm chỗ chữ xuống dòng đè nhau: Nhãn dài có thể chèn sang ô bên cạnh hoặc làm chiều cao hàng bất thường.
- Xác nhận đường viền và nền khi chúng có ý nghĩa: Khác biệt trang trí ít quan trọng hơn việc người đọc còn hiểu được nhóm dữ liệu hay không.
- Thu hẹp cửa sổ trình duyệt để thử: Nếu chiều rộng giảm, bảng còn xem được hay bị cắt mất một phần.
Một quy tắc thực tế: nếu người đọc không thể so sánh giá trị theo hàng hoặc theo cột mà không phải đoán, thì bảng đó cần sửa, kể cả khi mọi chữ đều xuất hiện đâu đó trên trang.
Rà soát hình ảnh như một tệp và như một tham chiếu
Hình ảnh có thể lỗi theo hai kiểu: bản thân tệp bị thiếu hoặc hỏng, hoặc HTML đang trỏ sai vị trí của tệp.
Cần kiểm tra cả hai phía.
Kiểm tra ở mức tệp:
- Xác nhận mọi hình dự kiến đều có mặt trong thư mục tài nguyên.
- Mở thử một vài tệp trực tiếp để chắc rằng chúng không rỗng hoặc bị hỏng.
- Kiểm tra xem biểu đồ có bị tách thành nhiều mảnh nhỏ thay vì một hình dùng được hay không.
- Nếu kích thước gói quan trọng, xem logo lặp lại có bị nhân bản quá nhiều không.
Kiểm tra ở mức tham chiếu:
- Mở HTML trong trình duyệt và đối chiếu số lượng hình với PDF gốc.
- Tìm các ô hiển thị hình bị vỡ.
- Xác nhận chú thích vẫn đi đúng với hình tương ứng.
- Kiểm tra xem hình nền trang trí có bị đưa thành nội dung chính hay không.
Một lỗi hay gặp là đảo nhầm hình: các tệp ảnh đều được tạo ra, nhưng HTML gán sai thứ tự. Lỗi này khó nhận ra nếu nhiều biểu đồ trông gần giống nhau. Với báo cáo có nhiều đồ họa mẫu lặp lại, hãy đối chiếu thứ tự hình thật kỹ.
Xác minh đường dẫn tệp sau khi di chuyển thư mục
Một bản xuất có thể hoạt động trên máy đã tạo ra nó nhưng hỏng ở nơi khác vì HTML đang dùng đường dẫn tuyệt đối trên máy cục bộ hoặc đường dẫn tương đối không ổn định. Đây là một trong những bước quan trọng nhất khi chuyển PDF sang HTML.
Hãy thử tính di động của gói bằng các bước sau:
- Đặt tệp HTML và thư mục tài nguyên vào một thư mục sạch.
- Mở HTML cục bộ và xác nhận hình ảnh hiển thị.
- Đổi tên thư mục cha rồi kiểm tra lại.
- Chuyển cả gói sang một cấp thư mục khác và thử lại.
- Nếu tài liệu sẽ được đăng tải, hãy xem thử ở môi trường đích hoặc môi trường thử nghiệm.
Cần chú ý đặc biệt tới các lỗi đường dẫn sau:
- Đường dẫn tuyệt đối cục bộ trỏ tới một ổ đĩa hoặc thư mục người dùng cụ thể.
- Dấu gạch chéo không nhất quán giữa các môi trường.
- Sai khác chữ hoa chữ thường giữa tên tệp và phần tham chiếu.
- Khoảng trắng hoặc ký tự đặc biệt được mã hóa không đồng nhất.
- Thư mục lồng bất ngờ được tạo ra trong quá trình xuất.
Nếu chỉ cần di chuyển thư mục là hình biến mất, gói xuất đó chưa đủ tính di động. Đường dẫn tương đối phải luôn phân giải đúng từ tệp HTML tới thư mục tài nguyên của nó.
Dùng bảng kiểm ngắn để rà soát nhanh
Một bảng kiểm ngắn giúp người duyệt phát hiện các lỗi ảnh hưởng lớn mà không làm quy trình trở nên rườm rà.
| Hạng mục kiểm tra | Cần xác nhận | Dấu hiệu đạt | Lỗi thường gặp |
|---|---|---|---|
| Bảng | Cấu trúc hàng cột khớp với PDF | Có thể so sánh số liệu chính xác | Ô bị tách hoặc lệch |
| Tiêu đề bảng | Tiêu đề nhiều hàng vẫn gắn đúng cột | Ý nghĩa tiêu đề còn rõ | Tiêu đề trôi ngang |
| Hình ảnh | Mọi hình dự kiến đều xuất hiện | Không có ô hình bị vỡ | Thiếu tệp hoặc tệp hỏng |
| Chú thích | Chú thích đúng với hình | Thứ tự hình được giữ nguyên | Gán nhầm chú thích |
| Đường dẫn tệp | HTML vẫn chạy sau khi di chuyển | Hình hiện ở vị trí mới | Đường dẫn tuyệt đối hoặc không ổn định |
| Tính toàn vẹn gói | HTML và thư mục tài nguyên đi cùng nhau | Gói dễ bàn giao | Phụ thuộc vào máy gốc |
Bảng kiểm này đơn giản nhưng đủ để bắt được những lỗi dễ làm hỏng một trang đã xuất bản hoặc một gói tài liệu chuẩn bị bàn giao.
Đi qua một ví dụ cụ thể trên một trang
Giả sử trang 4 của PDF gốc có một bảng hiệu suất theo tháng và hai biểu đồ ở phía dưới.
Khi rà soát, bạn có thể phát hiện:
- Tiêu đề bảng trong PDF có ba cột nhưng bản HTML lại hiện thành bốn phần chia.
- Một ô gộp cho mục “Tổng” bị tách ra, khiến giá trị nằm dưới sai tháng.
- Biểu đồ thứ nhất hiển thị đúng, nhưng biểu đồ thứ hai hiện biểu tượng hình bị lỗi.
- Tệp của biểu đồ bị thiếu thực ra vẫn có trong thư mục, nhưng HTML đang trỏ tới
Images/chart-2.pngtrong khi thư mục thật làimages. - Sau khi đổi tên thư mục xuất, logo biến mất vì nó được tham chiếu bằng một đường dẫn tuyệt đối trên máy cục bộ.
Kết quả rà soát như vậy rất hữu ích vì nó cho thấy vấn đề không phải là một lỗi chung chung. Ở đây có ít nhất ba nhóm chỉnh sửa riêng:
- sửa cấu trúc bảng
- sửa tham chiếu hình ảnh
- chuẩn hóa đường dẫn tệp
Khi tách phát hiện theo nhóm như vậy, bạn tránh được nhận xét mơ hồ kiểu “định dạng bị lệch” và có thể ghi rõ việc cần xử lý cho người biên tập hoặc người phụ trách kỹ thuật.
Hiểu rõ giới hạn của việc kiểm tra sau khi xuất
Kiểm tra chất lượng giúp phát hiện lỗi, nhưng không có nghĩa mọi PDF đều có thể thành HTML sạch mà không cần chỉnh tay. Một số tài liệu vốn khó xử lý, chẳng hạn:
- PDF quét không có lớp văn bản đáng tin cậy
- bảng tài chính dày đặc với nhiều ô gộp
- sơ đồ được ghép từ rất nhiều mảnh véc tơ nhỏ
- trang có chữ và đồ họa chồng lên nhau có chủ ý
- bản xuất ưu tiên gần giống bố cục hơn là cấu trúc có thể tái sử dụng
Cũng không nên suy diễn nhu cầu tìm kiếm thành bằng chứng về khả năng thực tế của một công cụ. Việc người dùng quan tâm tới chuyển PDF sang HTML chỉ cho thấy nhu cầu rõ ràng; mỗi quy trình vẫn phải được kiểm chứng trên tệp thật. Một trang thông tin có thể chỉ mô tả nhóm công cụ chứ không đồng nghĩa đang cung cấp chức năng tải lên, chuyển đổi hay tải xuống trực tiếp.
Các bước cuối trước khi bàn giao
Trước khi chấp nhận một gói chuyển PDF sang HTML, hãy hoàn tất chuỗi kiểm tra sau:
- Đối chiếu ít nhất hai trang có nhiều bảng với PDF gốc.
- Đếm số hình dự kiến và xác nhận tất cả đều hiển thị.
- Di chuyển hoặc đổi tên gói một lần để thử độ ổn định của đường dẫn.
- Nếu quy trình của bạn cần, mở HTML trên nhiều hơn một trình duyệt.
- Ghi nhận lỗi bằng mô tả cụ thể: tách bảng, thiếu tệp tài nguyên, sai đường dẫn tương đối, đảo chú thích hoặc hình bị cắt.
Một đợt kiểm tra tốt không nhằm đạt sự hoàn hảo tuyệt đối ở mọi chi tiết hiển thị. Mục tiêu là xác nhận bản HTML đã xuất vẫn giữ được bảng có thể sử dụng, hình ảnh đầy đủ và các tham chiếu tệp đủ ổn định khi tài liệu rời khỏi máy ban đầu.