طريقة استخدام تحويل PDF إلى نص
- 1
افتح ملف PDF
أفلِت ملف PDF لا يتجاوز حجمه 50 MB في المربع، أو انقر لاختيار ملف. الملفات المحمية بكلمة مرور تطلب كلمة المرور أولًا.
- 2
اختر تنسيق النص
وضع «فقرات» يعطيك نصًا متصلًا نظيفًا للقراءة أو اللصق؛ أما «تخطيط الصفحة» فيحافظ على كل سطر مطبوع ويحاذي أعمدة الجداول بالمسافات.
- 3
حدّد الصفحات و OCR
استخرج كل الصفحات أو نطاقًا منها مثل 2-5, 9. فعّل OCR واختر اللغة إذا كانت بعض الصفحات ممسوحة ضوئيًا ولا تحتوي على طبقة نصية.
- 4
انسخ أو نزّل
اضغط «استخراج النص»، وراجع النتيجة في المربع، ثم انسخها إلى الحافظة أو احفظها ملف .txt بترميز UTF-8.
الحدود وخطة Pro
ملف PDF واحد لا يتجاوز حجمه 50 MB، وحتى 200 صفحة في كل عملية استخراج، بما فيها OCR.
يفتح Pro ملفات PDF حتى 4 GB ويقرأ حتى 5,000 صفحة دفعة واحدة. عرض Pro
عن تحويل PDF إلى نص
تقرأ هذه الأداة الطبقة النصية التي تحملها معظم ملفات PDF، وهي الأحرف نفسها التي يمكنك تحديدها في أي قارئ PDF، ثم تعيد ترتيبها كما يقرؤها الإنسان. النسخ المباشر من القارئ يخلط غالبًا عمودَي المقال سطرًا بسطر، ويقطع كل جملة عند نهاية السطر المطبوع، ويترك الشرطات في وسط الكلمات. أما هنا فتُقسَّم الصفحات أولًا إلى أعمدة وكتل، وتُضم الأسطر الملتفة في فقرات، وتُعاد الكلمة المقسومة بشرطة بين سطرين إلى أصلها، وتبقى النقاط والأرقام في بداية عناصر القوائم، ويخرج الجدول صفوفًا تفصل بين خلاياها علامة جدولة، فيمكن لصقه في جدول بيانات. ويُستبعد رقم الصفحة المنفرد في الهامش العلوي أو السفلي، وكذلك النص المائل أو العمودي مثل علامة مائية قطرية تحمل كلمة «DRAFT».
وضع «تخطيط الصفحة» يفعل العكس: يُبقي كل سطر في مكانه كما طُبع، ويستخدم المسافات لتثبيت أعمدة نموذج أو فاتورة أو كشف حساب بنكي.
الصفحات الممسوحة ضوئيًا لا تحتوي على طبقة نصية، بل على صورة للورقة فقط. عند تفعيل OCR يقرأ محرك Tesseract تلك الصفحات وحدها داخل متصفحك، بإحدى 47 لغة. من الاستخدامات المعتادة: الاقتباس من تقرير، وإدخال عقد في مترجم أو في عدّاد كلمات، واستخراج الأرقام من كشف حساب. الخطوط والألوان والصور والروابط ليست جزءًا من الناتج؛ وللحصول عليها استخدم «تحويل PDF إلى Word».
الخصوصية
تحلل مكتبة PDF.js المستند داخل Web Worker على جهازك، ويرتب عامل ثانٍ الأسطر في فقرات؛ ولا يُرفع ملف PDF ولا نصه أبدًا. وعند تفعيل OCR فقط تجلب الصفحة محرك Tesseract وملف لغة واحدًا من شبكة jsDelivr CDN، مرة واحدة، ولا تحمل هذه التنزيلات أي شيء من مستندك.
الميزات
أعمدة مرتبة
تُقرأ الصفحات ذات العمودين والثلاثة أعمدة عمودًا بعد آخر، لا سطرًا بسطر على عرض الصفحة.
فقرات حقيقية
تُضم الأسطر الملتفة، وتُعاد الكلمات المقسومة بشرطة عند نهاية السطر إلى أصلها.
جداول قابلة للصق
تخرج صفوف الجدول مفصولة بعلامات جدولة وجاهزة لجدول بيانات، أو محاذاة بالمسافات في «تخطيط الصفحة».
OCR للصفحات الممسوحة
يمكن قراءة الصفحات الخالية من الطبقة النصية بمحرك Tesseract بإحدى 47 لغة، على جهازك.