تحويل PDF إلى نص

1. اختر ملف PDF أو أفلته في المربع. يقرأ pdfMB كل صفحة ويخبرك إن كانت هناك صفحات ممسوحة بلا نص.
2. إذا كانت هناك صفحات ممسوحة، فاترك «اقرأ نص الصفحات الممسوحة (OCR)» مفعّلًا واختر لغة المستند.
3. اضغط «تحويل إلى نص». يُظهر شريط مدى التقدم.
4. راجع المعاينة. يمكنك الإبقاء على رؤوس الصفحات وتذييلاتها أو إزالتها، وتعليم بداية الصفحات، أو التبديل إلى Markdown للاحتفاظ بالعناوين والجداول.
5. اضغط «نسخ الكل» للصق النص في مكان آخر، أو نزّل ملف .txt.

في الخطوط التايلاندية أشكال إضافية لعلامات النغمة: شكل مرتفع يجلس فوق حرف علة علوي، كما في ที่ أو น้ำ، وشكل عادي. يخزّن ملف PDF الشكل الذي رُسم، إضافةً إلى جدول يحدد الحرف الذي يمثله كل شكل.

عندما يُحفظ ملف PDF من Chrome وEdge وغيرهما من متصفحات Chromium، كثيرًا ما يقول ذلك الجدول إن الأشكال المرتفعة تمثل «لا شيء». نسخ النص، أو أداة تثق بالجدول، يُسقط العلامة، فتتحول น้ำ (ماء) إلى นำ (يقود).

في اختبارنا على مقال من Wikipedia التايلاندية من 35 صفحة محفوظ من Chrome، كانت 1,915 علامة نغمة موصوفة بهذه الطريقة. يجد pdfMB العلامة الصحيحة في الخط الموجود داخل الملف، وقد وصلت كل علامات النغمة، وعددها 4,911، سليمة.

• يُحتفظ بالنص فقط. تُستبعد الصور والمخططات والرسومات. استخدم «تحويل PDF إلى JPG» لحفظها.
• يتحول النص العريض والمائل والعناوين والروابط إلى نص عادي. استخدم «تحويل PDF إلى Markdown» للاحتفاظ بها.
• لا يُحتفظ بالموضع الدقيق للنص في الصفحة. يوضع النص الموجود في المربعات والهوامش ضمن تسلسل الفقرات.
• تخرج المعادلات نصًا عاديًا، مع الأسس والرموز السفلية على السطر نفسه.
• اللغات التي تُكتب من اليمين إلى اليسار، مثل العربية والعبرية، لم تُختبر بما يكفي بعد. راجع النتيجة بعناية.
• لا يمكن تحويل ملفات PDF المحمية بكلمة مرور، ولا الملفات التي منع مالكها النسخ.