Cùng một văn bản pháp luật có thể tồn tại ở nhiều định dạng: tệp PDF có chữ ký số của cơ quan ban hành, tệp PDF quét từ bản giấy, tệp Word hay trang HTML do nơi đăng tải chuyển đổi. Bản có chữ ký số hoặc bản lấy từ Công báo giữ giá trị chứng minh cao nhất; bản dạng chữ giúp tìm kiếm và trích đoạn; một kho dữ liệu tốt cần giữ cả hai và biết bản nào dùng vào việc gì.
Chọn sai định dạng làm “bản chuẩn” là nguồn gốc của nhiều lỗi khó thấy: phụ lục mất bảng, dấu tiếng Việt bị nhận dạng sai, chỉ số trên trong số hiệu văn bản bị dính liền. Bài này so sánh các định dạng thường gặp, chỉ ra chỗ hay mất dữ liệu và đề xuất một quy trình nhận văn bản vào kho.
Một văn bản, nhiều định dạng: chúng sinh ra từ đâu
Văn bản được soạn trên máy tính, in ra để ký tay hoặc ký số trực tiếp trên tệp điện tử. Với văn bản ký số, tệp PDF mang chữ ký là bản điện tử của văn bản. Với văn bản ký tay, bản điện tử thường là tệp quét từ bản giấy đã ký và đóng dấu. Khi đăng tải, Công báo và các kho dữ liệu có thể đăng lại tệp đó, kèm theo phần nội dung dạng chữ để người đọc tìm kiếm và sao chép.
Các trang tổng hợp và kho thương mại thường chuyển văn bản thành trang HTML hoặc tệp Word để đọc trên điện thoại, đánh dấu điều khoản, gắn liên kết. Quá trình chuyển này có thể làm bằng cách sao chép từ bản chữ có sẵn, hoặc nhận dạng chữ từ tệp quét. Mỗi lần chuyển là một lần có thể sai.
Từ góc dữ liệu, có thể chia làm hai nhóm: nhóm “bản chứng minh”, tức tệp gần nhất với văn bản đã ban hành, và nhóm “bản làm việc”, tức tệp dạng chữ tiện cho tìm kiếm, trích đoạn, xử lý tự động. Kho tốt giữ cả hai nhóm, liên kết với nhau, và không để bản làm việc thay chỗ bản chứng minh.
So sánh các định dạng thường gặp
Bảng dưới so sánh theo những tiêu chí người làm kho quan tâm. Đánh giá là tương đối, vì chất lượng cụ thể phụ thuộc từng tệp.
| Định dạng | Giá trị chứng minh | Tìm kiếm, trích đoạn | Rủi ro chính |
|---|---|---|---|
| PDF có chữ ký số của cơ quan | Cao, kiểm được chữ ký | Tốt nếu là PDF có lớp chữ | Mất giá trị chữ ký nếu bị chỉnh sửa hay in lại |
| PDF quét từ bản giấy | Khá, thấy được chữ ký, dấu | Kém nếu không có lớp chữ | Nhận dạng chữ sai dấu, sai số |
| PDF dạng chữ không ký số | Trung bình, tuỳ nguồn | Tốt | Không chứng minh được là bản gốc |
| Word | Thấp, dễ chỉnh sửa | Tốt | Bị sửa vô tình, lệch định dạng bảng |
| Trang HTML trên kho tra cứu | Phụ thuộc nơi đăng | Rất tốt, có liên kết | Bảng phụ lục bị vỡ, chú thích bị lược |
Không có định dạng nào thắng ở mọi tiêu chí. Chính vì vậy câu hỏi đúng không phải “dùng định dạng nào” mà là “giữ định dạng nào làm bản chứng minh và định dạng nào làm bản làm việc”.
Tệp có chữ ký số: vì sao nên giữ nguyên
Luật Giao dịch điện tử 2023, có hiệu lực từ 1/7/2024, thừa nhận giá trị của văn bản điện tử và chữ ký điện tử khi đáp ứng điều kiện luật định. Với văn bản do cơ quan nhà nước ký số, tệp PDF mang chữ ký cho phép kiểm tra văn bản có bị thay đổi sau khi ký hay không, ai đã ký và vào lúc nào.
Giá trị đó chỉ còn khi tệp được giữ nguyên. Mở tệp rồi lưu lại bằng một phần mềm chỉnh sửa, in ra máy in ảo, gộp nhiều tệp thành một hay nén lại bằng công cụ chuyển đổi đều có thể làm chữ ký không còn kiểm được. Vì vậy trong kho, tệp có chữ ký số nên được lưu ở một vùng chỉ đọc, đặt tên theo quy ước, và mọi xử lý như trích chữ, cắt trang, chú thích đều làm trên bản sao.
Cũng nên phân biệt chữ ký số của cơ quan ban hành với chữ ký số mà một nơi đăng tải gắn lên tệp của mình để xác nhận nguồn phát hành. Hai loại chứng minh hai việc khác nhau: một bên cho biết ai ban hành văn bản, một bên cho biết tệp được tải từ đâu. Khi ghi vào kho, trường mô tả nên ghi rõ chữ ký trên tệp là của ai.
Khi tải văn bản từ nguồn chính thức, hãy ưu tiên tệp đính kèm gốc thay vì bản xem trực tuyến hay bản do trình duyệt in ra. Nếu nguồn chỉ có trang HTML, ghi chú điều đó vào trường mô tả để người dùng sau biết kho không giữ bản ký số.
Phụ lục và bảng biểu: nơi định dạng hay làm mất dữ liệu
Bảng nhiều cột bị vỡ. Danh mục ngành nghề, biểu thuế, mức phạt theo nhóm, danh mục hàng hoá thường là bảng rộng nhiều cột. Khi chuyển sang HTML hay Word, cột bị dồn, ô gộp bị tách, và một con số có thể nhảy sang dòng khác.
Phụ lục chỉ có ở tệp đính kèm. Một số bản đăng tải chỉ đưa phần thân văn bản vào nội dung dạng chữ, còn phụ lục nằm trong tệp đính kèm. Người chỉ chép phần chữ sẽ có một văn bản thiếu phụ lục mà không biết.
Biểu mẫu mất ô trống, dòng kẻ. Biểu mẫu ban hành kèm văn bản có bố cục là một phần nội dung. Chuyển định dạng có thể làm mất dòng kẻ, ô đánh dấu, làm biểu mẫu khó dùng.
Chú thích, ghi chú cuối trang bị lược. Văn bản hợp nhất có nhiều chú thích cuối trang. Trang HTML đôi khi bỏ chú thích hoặc dồn về cuối, làm mất liên hệ giữa chú thích và điều khoản.
Chữ in nghiêng, gạch chân bị mất. Một số văn bản dùng định dạng để phân biệt phần sửa đổi, tên văn bản dẫn chiếu hay ghi chú của người lập. Khi chuyển sang chữ trần, những dấu hiệu này biến mất và người đọc không còn phân biệt được phần nào là phần nào.
Quy trình nhận một văn bản vào kho
Quy trình dưới đây giúp mỗi văn bản vào kho đều có bản chứng minh và bản làm việc, và người dùng biết bản nào là bản nào.
- Tải tệp gốc từ nguồn chính thức, ưu tiên tệp có chữ ký số hoặc tệp từ Công báo; lưu nguyên vào vùng chỉ đọc.
- Ghi các trường mô tả: số hiệu, loại, cơ quan, ngày ký, ngày hiệu lực, nguồn, ngày tải, định dạng tệp gốc.
- Tạo bản làm việc dạng chữ: lấy lớp chữ sẵn có, hoặc nhận dạng chữ nếu tệp là bản quét.
- Soát bản làm việc với tệp gốc ở các điểm dễ sai: số hiệu, ngày, con số, tên riêng, dấu tiếng Việt, bảng phụ lục.
- Tách phụ lục và biểu mẫu thành phần riêng, giữ liên kết về văn bản chính.
- Ghi tên người soát và ngày soát vào bản làm việc.
- Đánh dấu bản làm việc là bản dẫn xuất, ghi rõ khi trích dẫn chính thức phải đối chiếu tệp gốc.
Bước soát ở các điểm dễ sai không cần đọc lại toàn văn. Một danh sách điểm kiểm cố định giúp người soát làm nhanh mà vẫn bắt được phần lớn lỗi chuyển đổi.
Lỗi chuyển đổi hay gặp với văn bản tiếng Việt
Văn bản pháp luật tiếng Việt có vài đặc điểm làm công cụ chuyển đổi hay nhận dạng chữ dễ sai hơn văn bản thông thường. Những lỗi dưới đây đáng đưa vào danh sách điểm kiểm.
- Dấu thanh bị nhận nhầm, như “hỏi” thành “ngã”, làm sai nghĩa một số từ.
- Chữ “đ” bị nhận thành “d”, làm tên cơ quan, địa danh sai.
- Số hiệu văn bản có dấu gạch chéo, gạch ngang bị dính hoặc tách sai.
- Số trong bảng bị đọc nhầm giữa 1 và 7, 0 và 8 ở bản quét mờ.
- Ký hiệu như “Điều”, “Khoản”, chữ cái điểm a, b, c bị dồn vào dòng trước, làm hỏng cấu trúc.
- Bảng mã ký tự khác nhau giữa văn bản cũ và mới gây lỗi hiển thị khi gộp.
- Dòng bị ngắt giữa câu ở cuối trang, ghép lại sai thứ tự.
Phần lớn các lỗi này không làm bản làm việc vô dụng, nhưng đủ để một tìm kiếm theo từ khoá không ra kết quả hoặc một câu trích dẫn sai một chữ quan trọng.
Chọn bản chuẩn cho kho của bạn
Mỗi kho nên có một quy ước thành văn: bản chuẩn là tệp gốc từ nguồn chính thức; bản làm việc là bản chữ đã soát; trang HTML hay tệp Word lấy từ nơi khác chỉ là tham khảo. Quy ước này cần ghi trong tài liệu nội bộ để người mới vào nhóm không phải đoán.
Nếu kho phục vụ tìm kiếm thông minh hay hỏi đáp tự động, bản làm việc phải có chất lượng chữ tốt, vì mọi lỗi nhận dạng sẽ đi thẳng vào câu trả lời. Đồng thời mỗi đoạn trong bản làm việc nên giữ đường dẫn về tệp gốc và vị trí trang, để người dùng kiểm được.
Với nhóm nhỏ, không cần hệ thống phức tạp. Một thư mục chỉ đọc cho tệp gốc, một thư mục cho bản làm việc, một bảng tính ghi các trường mô tả và đường dẫn tới hai tệp là đủ để bắt đầu. Điều quan trọng là quy ước được giữ đều từ văn bản đầu tiên, vì sửa lại cách lưu cho hàng nghìn văn bản về sau tốn công hơn rất nhiều so với làm đúng ngay từ đầu.
Cuối cùng, hãy định kỳ kiểm vùng lưu tệp gốc: tệp còn mở được, chữ ký còn kiểm được, định dạng còn được phần mềm phổ biến hỗ trợ. Lưu trữ dài hạn không chỉ là chép tệp vào ổ đĩa mà là bảo đảm tệp còn đọc được và còn chứng minh được sau nhiều năm.
Câu hỏi thường gặp
Bản Word của văn bản pháp luật tải trên mạng có dùng để trích dẫn được không?
Dùng để đọc và soạn nháp thì tiện, nhưng khi trích dẫn chính thức hoặc đưa vào hồ sơ, hãy đối chiếu với tệp từ Công báo hoặc cơ sở dữ liệu quốc gia. Bản Word dễ bị sửa và không chứng minh được là bản gốc.
Làm sao kiểm tệp PDF văn bản có chữ ký số còn nguyên vẹn?
Mở tệp bằng phần mềm đọc PDF có hỗ trợ kiểm chữ ký và xem trạng thái chữ ký, thông tin người ký, thời điểm ký. Nếu phần mềm báo tệp đã bị thay đổi sau khi ký, hãy tải lại từ nguồn chính thức.
Bản quét văn bản cũ không tìm kiếm được thì xử lý thế nào?
Chạy nhận dạng chữ để tạo lớp chữ hoặc bản làm việc riêng, rồi soát các điểm dễ sai như số hiệu, con số, dấu tiếng Việt. Giữ nguyên tệp quét làm bản chứng minh.
Có nên chuyển mọi văn bản về một định dạng duy nhất cho gọn?
Nên thống nhất định dạng cho bản làm việc, nhưng không nên chuyển đổi bản chứng minh. Tệp gốc cần giữ đúng như khi tải về, nhất là tệp có chữ ký số.
Phụ lục dạng bảng lớn nên lưu thế nào để dùng được?
Giữ phụ lục trong tệp gốc làm bản chứng minh, đồng thời chuyển thành bảng tính hoặc dữ liệu có cấu trúc làm bản làm việc, soát kỹ từng cột. Ghi liên kết giữa bảng làm việc và trang phụ lục trong tệp gốc.
Trang HTML trên kho tra cứu có lưu làm bản chuẩn được không?
Không nên, vì trang HTML là bản chuyển đổi của nơi đăng, có thể lược chú thích hoặc làm vỡ bảng. Dùng nó để đọc nhanh, còn bản chuẩn lấy từ tệp gốc của nguồn chính thức.