pdfMB

OCR PDF

اجعل ملف PDF الممسوح ضوئيًا قابلًا للبحث وانسخ نصه. تبقى الصفحات كما هي تمامًا، ويبقى ملفك على هذا الجهاز.

  • بلا رفع للملفاتملفك يبقى على هذا الجهاز.
  • بيانات اللغة تُنزَّل مرة واحدةتُنزَّل بيانات القراءة للغات التي اخترتها فقط، ثم تُحفظ على هذا الجهاز.
  • مجاني، بلا تسجيلبلا حساب وبلا حد يومي.

ماذا يحدث لملفك

كل ما يلي يحدث داخل متصفحك، على جهازك أنت. لا يُرفع ملف PDF أو صورك أبدًا، لذا لا يمكن لأحد غيرك، بما في ذلك نحن، رؤيتها.

  1. قارئ النصوص هو Tesseract، وهو محرك OCR مجاني ومفتوح المصدر يعمل في متصفحك. يُحمَّل من pdfMB نفسه، لا من خادم شركة أخرى.
  2. في أول مرة تستخدم فيها لغة ما، تُنزَّل بياناتها (بين 0.5 و⁦3 MB⁩) من pdfMB ويحتفظ بها متصفحك. هذا هو التنزيل الوحيد: ملفك لا يذهب إلى أي مكان.
  3. تُرسم كل صفحة كصورة بدقة 300 dpi وتُقرأ سطرًا سطرًا. تُتخطى الصفحات التي فيها نص حقيقي بالفعل ما لم تطلب قراءتها.
  4. تُضاف الكلمات التي يُعثر عليها إلى الصفحة كنص غير مرئي، في موضع الكلمات نفسها في الصورة. بعدها يعمل البحث والتحديد والنسخ في أي قارئ PDF.
  5. لا يُعاد رسم أي شيء على الصفحات ولا يُعاد ضغطه. يُضاف النص الجديد إلى نهاية الملف، ويبقى الملف الأصلي بداخله دون تغيير، بايتًا ببايت.
  6. تدخل الصور إلى ملف PDF كما هي (لا يُعاد ضغط صور JPEG)، ويُضاف النص فوقها.
باختصار
  1. اختر PDF أو صورًا
  2. تحقق من اللغات
  3. اضغط «قراءة»
  4. نزّل النص أو انسخه

كيف تجعل ملف PDF الممسوح قابلًا للبحث

  1. اختر ملف PDF، أو صورة واحدة أو أكثر لصفحات.
  2. تحقّق من اللغات. لغة هذه الصفحة والإنجليزية مختارتان مسبقًا؛ أضف أي لغة أخرى تظهر في المستند.
  3. اضغط «قراءة». تُقرأ الصفحات واحدة تلو الأخرى، ويمكنك أن ترى أي صفحة تُقرأ الآن.
  4. نزّل ملف PDF القابل للبحث، أو انسخ النص واحفظه كملف .txt.

نصائح لنتيجة جيدة

  • امسح بدقة 300 dpi إذا كان الماسح الضوئي يتيح لك الاختيار. في الدقة الأقل تصعب قراءة الحروف الصغيرة.
  • صوّر الصفحات مسطحة ومن الأمام مباشرة وفي إضاءة جيدة، دون ظل على النص. أداة «مسح إلى PDF» تعدّل استقامة الصفحات نيابةً عنك.
  • أعد الصفحات الجانبية أو المقلوبة إلى وضعها الصحيح أولًا، باستخدام «تدوير PDF».
  • اختر فقط اللغات الموجودة فعلًا في المستند. اللغات الإضافية تبطئ القراءة وقد تزيد الأخطاء.
  • الكتابة اليدوية والحروف الصغيرة جدًا والخطوط الزخرفية تُقرأ بشكل ضعيف، لذا راجع النص قبل الاعتماد عليه.

متى يستخدمه الناس

العقود والرسائل الممسوحة ضوئيًا

ابحث عن اسم أو تاريخ أو مبلغ في مستند ممسوح طويل باستخدام Ctrl+F بدلًا من قراءة كل صفحة.

الأوراق القديمة والأرشيف

اجعل مجلدات الصفحات الممسوحة قابلة للبحث، ليتمكن كمبيوترك من إيجاد المستند من خلال الكلمات التي فيه.

صور الإعلانات والإيصالات

انسخ النص من صورة إعلان أو قائمة طعام أو إيصال والصقه في رسالة أو في أداة ترجمة.

مستندات بأكثر من لغة

اختر لغتين أو أكثر، مثل التايلاندية والإنجليزية أو الصينية والإنجليزية، فتُقرأ كلتاهما في الصفحة نفسها.

ما لا يمكنه فعله

  • يخطئ OCR، خاصة مع الصور الضبابية والحروف الصغيرة والجداول والكتابة اليدوية. راجع دائمًا الأسماء والأرقام والمبالغ المهمة.
  • يُقرأ النص في أسطر أفقية. النص الصيني أو الياباني العمودي، والصفحات المقلوبة على جانبها، لا تُقرأ بشكل صحيح.
  • لا يُعاد بناء التنسيق. تحصل على نص قابل للبحث فوق الصفحة الأصلية، وليس على مستند Word قابل للتحرير.
  • بعض اللغات تُقرأ بدقة أقل من غيرها في اختباراتنا، وهي معلّمة بعبارة «دقة أقل» في قائمة اللغات.
  • تُنزَّل بيانات اللغة في أول مرة تستخدم فيها لغة ما (يظهر الحجم قبل البدء)، لذا تحتاج إلى اتصال بالإنترنت في تلك المرة الأولى.
  • تتم القراءة على جهازك، لذا تكون أبطأ على الهواتف القديمة، وقد تستهلك المستندات الطويلة جدًا ذاكرة الهاتف. قسّمها إلى أجزاء أولًا.
  • لا يمكن قراءة ملفات PDF المحمية بكلمة مرور، ولا الملفات التي منع مالكها إجراء تغييرات عليها.

أسئلة حول OCR

ما هو OCR؟

OCR (التعرف الضوئي على الحروف) يعني قراءة الحروف في صورة وتحويلها إلى نص حقيقي. ملف PDF الممسوح ضوئيًا ليس سوى صور لصفحات، لذا لا يمكنك البحث فيه أو النسخ منه حتى يمر عبر OCR.

هل سيتغير شكل ملف PDF؟

لا. يُضاف النص كطبقة غير مرئية، فتبدو الصفحات كما هي تمامًا. في اختباراتنا تتطابق الصفحات قبل وبعد، بكسلًا ببكسل.

هل يُرفع مستندي؟

لا. يعمل قارئ النصوص في متصفحك. الشيء الوحيد الذي يُنزَّل هو بيانات اللغة، من pdfMB. لا يُرسل ملفك إلى أي مكان.

ما اللغات التي يمكنه قراءتها؟

لغات هذا الموقع الـ32، ومنها الإنجليزية والتايلاندية والصينية (المبسطة والتقليدية) واليابانية والكورية والعربية والعبرية والهندية والبنغالية والبورمية والروسية والفيتنامية. اختر عدة لغات إذا كان المستند يمزج بينها.

ما مدى دقته؟

في الصفحات المطبوعة النظيفة، يُتعرَّف على كل حرف تقريبًا بشكل صحيح في معظم اللغات. الصور والنصوص الصغيرة وبعض أنظمة الكتابة أصعب. اختبرنا كل لغة ووضعنا علامة «دقة أقل» على الأضعف منها.

لماذا تُتخطى بعض الصفحات؟

الصفحات التي فيها نص حقيقي بالفعل، مثل الصفحات المنشأة في Word، لا تحتاج إلى OCR، لذا تبقى كما هي. ضع علامة على «اقرأ أيضًا الصفحات التي فيها نص بالفعل» لقراءتها على أي حال.

هل يمكنني الحصول على النص فقط؟

نعم. بعد القراءة يظهر النص أسفل زر التنزيل. اضغط «نسخ النص»، أو «تنزيل .txt» لحفظه كملف نصي عادي.