طريقة استخدام OCR لملفات PDF
- 1
أضف ملف PDF الممسوح ضوئيًا
أفلِت ملفًا من ماسح ضوئي أو من تطبيق مسح على الهاتف؛ تتحقق الأداة من عدد الصفحات التي تحتوي مسبقًا على نص قابل للتحديد.
- 2
اختر اللغات
الإنجليزية محددة مسبقًا ولغة متصفحك مقترحة؛ أضف حتى أربع لغات من اللغات الموجودة فعلًا في المستند.
- 3
اضبط الدقة والصفحات
وضع «الأفضل» يقرأ الصفحات بدقة 300 DPI ووضع «الأسرع» بدقة 200 DPI. يمكنك قصر المعالجة على نطاق صفحات، وتخطي الصفحات التي تحتوي على نص مسبقًا.
- 4
نزّل النتائج
احفظ ملف PDF القابل للبحث، أو نزّل كل النص المتعرَّف عليه في ملف .txt مع علامة قبل كل صفحة.
الحدود وخطة Pro
مجانًا: ملفات PDF حتى 50 MB، والتعرف على النص في ما يصل إلى 200 صفحة في المرة الواحدة، وحتى 4 لغات تعرّف معًا من أصل 47 لغة متاحة.
يرفع Pro الحد إلى 5,000 صفحة في المرة الواحدة وملفات حتى 4 GB؛ وتبقى سرعة التعرف مرتبطة بمعالج جهازك. عرض Pro
عن OCR لملفات PDF
النتيجة هي ملف PDF الأصلي نفسه مع طبقة نص غير مرئية تضاف إلى كل صفحة ممسوحة ضوئيًا. لا يعاد ضغط صورة المسح ولا رسمها، فتبدو تمامًا كما كانت، لكن كل كلمة متعرَّف عليها تقع الآن في موضعها على الصفحة: تجدها بالضغط على Ctrl+F، وتحددها بالنقر والسحب، ويعطيك النسخ واللصق نصًا حقيقيًا. تُعرض الصفحات بدقة 300 DPI (أو 200 في وضع «الأسرع») ويقرؤها Tesseract، محرك OCR المفتوح المصدر، الذي يعمل بتقنية WebAssembly في متصفحك، مع معالجة عدة صفحات بالتوازي وسطر حالة لكل صفحة.
تكتشف الأداة الصفحات الممسوحة بشكل جانبي أو مقلوب وتقرؤها في الاتجاه الصحيح، ويمكن تخطي الصفحات التي تحتوي مسبقًا على نص قابل للتحديد حتى لا تعالَج المستندات المختلطة مرتين. تُخزَّن طبقة النص بترميز Unicode، ولذلك يمكن البحث في نتائج السيريلية واليونانية والعربية والعبرية والهندية والتايلاندية والصينية واليابانية والكورية ونسخها تمامًا مثل الحروف اللاتينية. ويجمع التصدير النصي كل ما تم التعرف عليه صفحة بصفحة.
استخدامات شائعة: جعل الرسائل والعقود المؤرشفة قابلة للبحث، واستخراج الأرقام من فاتورة ممسوحة ضوئيًا، وتجهيز مستند ممسوح لتحويله إلى Word، أو توفير نص مسموع لمستخدمي قارئات الشاشة.
تعتمد الدقة على جودة المسح. النص المطبوع النظيف بدقة 300 DPI يُقرأ عادةً بشكل شبه كامل؛ أما خط اليد والصور الضعيفة التباين والخطوط الزخرفية والطباعة الصغيرة جدًا والصفحات المصورة بزاوية حادة فتنتج أخطاء أكثر. لا تُعدَّل الصفحات الشديدة الميل، والمحرك يقرأ الكلمات لا التخطيط، فتظهر الأعمدة والجداول في الملف النصي كأسطر نص عادية.
الخصوصية
تُعرض الصفحات الممسوحة ضوئيًا ويجري التعرف عليها داخل علامة التبويب هذه في المتصفح بواسطة Tesseract المحوَّل إلى WebAssembly؛ فلا يُرسل ملف PDF ولا النص المتعرَّف عليه إلى أي خادم. أما المحرك وملفات اللغات التي تختارها، وحجم كل منها من 2 إلى 15 MB، فتُنزَّل مرة واحدة من شبكة CDN عامة ويخزّنها متصفحك مؤقتًا.
الميزات
بحث ونسخ
توضع الكلمات المتعرَّف عليها فوق صورة المسح، فيعمل البحث والتحديد والنسخ في Acrobat و Preview و Chrome وغيرها من القارئات.
جودة المسح كما هي
تضاف طبقة غير مرئية فقط، فتحتفظ الأختام والتوقيعات والصور بوضوحها الأصلي ولا يكاد حجم الملف يزيد.
47 لغة
من الإنجليزية والإسبانية والألمانية إلى العربية والهندية والصينية واليابانية والكورية، مع إمكانية الجمع بين أربع لغات في المرة الواحدة.
الصفحات المدوَّرة
تُجرَّب الصفحة الجانبية أو المقلوبة في كل اتجاه ويُحتفظ بأفضل قراءة.
المستندات المختلطة
تُترك الصفحات التي تحتوي على طبقة نص كما هي، مما يوفر الوقت في ملفات PDF الممسوحة ضوئيًا جزئيًا فقط.