تحويل PDF إلى نص
أداة مجانية تستخرج النص من ملف PDF وتحوّله إلى ملف نصي (TXT). تُستخرج الصفحات التي تحتوي على نص كما هي، ويُقرأ النص في الصفحات الممسوحة ضوئيًا بتقنية OCR (التعرف الضوئي على الحروف). يُعالَج ملف PDF داخل متصفحك ولا يُرفع أبدًا. يمكن لتقنية OCR قراءة حتى 200 صفحة في المرة الواحدة (30 صفحة على الأجهزة التي تستغرق فيها المعالجة وقتًا أطول). يمكنك فتح ملفات PDF يصل حجم الواحد منها إلى 200 MB (100 MB على الهواتف والأجهزة اللوحية).
لا يُحمَّل نموذج الذكاء الاصطناعي (نحو 17 MB) من هذا الموقع في التشغيل الأول إلا إذا كان في ملف PDF صفحات بلا نص (مثل الصفحات الممسوحة ضوئيًا) أو بنص مشوّه، وفي المرات التالية تُستخدم النسخة المخزنة في متصفحك. لا تُرفع ملفات PDF إلى أي خادم.
الإعدادات
طريقة الاستخدام
- 1
أضف ملفات PDF
اختر ملفات PDF المراد تحويلها إلى نص أو أفلتها هنا. يمكنك إضافة عدة ملفات PDF دفعة واحدة. لا تُرفع ملفات PDF إلى أي خادم.
- 2
اختر لغة المستند وفواصل الصفحات
في «لغة المستند»، اختر اللغة التي كُتب بها ملف PDF (تُستخدم عند قراءة الصفحات الممسوحة ضوئيًا). لتحويل بعض الصفحات فقط، أدخلها في «نطاق الصفحات». واختر ما يوضع بين الصفحات في «فواصل الصفحات».
- 3
حوّل واحفظ
اضغط «تنفيذ» لإنشاء ملف TXT يحتوي على نص ملف PDF. احفظه بزر «حفظ»، أو انسخه كله بزر «نسخ النص». وإذا قُرئت صفحات ممسوحة ضوئيًا، يمكنك التحقق من الأسطر المتعرَّف عليها بزر «التحقق من النص المتعرَّف عليه».
عن تحويل PDF إلى نص
تُستخرج الصفحات التي تحتوي على نص باستخدام PDFium، محرك PDF المستخدم أيضًا في Chrome، دون نموذج ذكاء اصطناعي. أما الصفحات الخالية من النص والصفحات التي يكون نصها مشوهًا (يعطي تحديد النص أحرفًا مختلفة) فتُقرأ بنموذج التعرف على النص من PaddleOCR (PP-OCRv6، Apache-2.0)، الذي يعمل في متصفحك. وفي هذه الحالة فقط يُحمَّل نموذج الذكاء الاصطناعي (نحو 17 MB) من هذا الموقع في التشغيل الأول؛ وفي المرات التالية تُستخدم النسخة المخزنة في متصفحك. في ملفات PDF التي تحتوي صفحات كثيرة منها على نص، تسألك الأداة قبل تحميل نموذج الذكاء الاصطناعي. على الأجهزة التي لا يمكنها استخدام GPU (WebGPU)، تجري المعالجة على CPU وتستغرق وقتًا أطول منها على GPU.
في الصفحات التي تحتوي أصلًا على طبقة نصية من OCR، يُستخرج ذلك النص. في الصفحات التي تجمع بين النص والصور، يُستخرج النص وتُقرأ الأجزاء التي لا تتداخل معه. إذا كانت الصفحات المطلوب قراءتها بتقنية OCR أكثر مما يمكن قراءته في مرة واحدة، تُقرأ الصفحات الخالية من النص من البداية، وتُعرض أرقام الصفحات التي لم تُقرأ. الملف المحفوظ ملف نصي بترميز UTF-8 (.txt). يمكنك اختيار ما يُوضع بين الصفحات في «فواصل الصفحات» (افتراضيًا، سطر فاصل مثل «--- 1 / 3 ---»).
مواصفات هذه الأداة
- الإدخال
- الإخراج
- TXT
- الحدود
- لا حد لعدد الملفات (معالجة دفعية)، حتى 200 MB لكل ملف (100 MB على الهواتف والأجهزة اللوحية)، عدد الصفحات المقروءة بتقنية OCR في المرة الواحدة حتى 200 (30 على الأجهزة التي تعالج على CPU، وتُعرض أرقام الصفحات الزائدة)
- مجاني، دون تسجيل، ودون تثبيت تطبيق
- لا تُرفع الملفات أبدًا (تُعالَج داخل متصفحك)
الأسئلة الشائعة
هل يُرسل ملف PDF إلى خادم؟
لا. يجري فتح ملف PDF واستخراج النص وقراءة النص في الصفحات الممسوحة ضوئيًا كلها في المتصفح على جهازك. تُرسل إلى خادم هذا الموقع إحصاءات تساعدنا على إصلاح الأخطاء (نطاق عدد الصفحات، ونطاقات عدد الصفحات التي استُخرج نصها وعدد الصفحات المقروءة بتقنية OCR، ونطاق الوقت لكل صفحة، وأنواع الأخطاء وما إلى ذلك). ولا تتضمن محتوى ملف PDF أو النص المستخرج أو النص المتعرَّف عليه أو أسماء الملفات أو كلمات المرور أو نطاقات الصفحات التي تدخلها. يمكنك إيقاف الإحصاءات بمفتاح «إرسال إحصاءات المعالجة» أسفل الصفحة.
هل يمكنها استخراج النص من ملف PDF ممسوح ضوئيًا؟
نعم. تُقرأ الصفحات الخالية من النص والصفحات التي يكون نصها مشوهًا بتقنية OCR (التعرف الضوئي على الحروف). صُممت للنص المطبوع المكتوب أفقيًا. وتقرأ أيضًا صفحات النص العمودي، لكن بأخطاء أكثر من النص الأفقي، وقد تفوتها علامات الترقيم. النص المكتوب بخط اليد غير مدعوم. لجعل ملف PDF قابلًا للبحث مع الإبقاء عليه بصيغة PDF، استخدم «OCR لملفات PDF».
هل يمكنها استخراج النص من ملف PDF محمي بكلمة مرور أو قيّده المؤلف؟
نعم. يُفتح ملف PDF المحمي بكلمة مرور بمجرد إدخال كلمة مرور الفتح. إذا قيّد المؤلف النسخ والاستخراج، فلا تستخرج الأداة النص إلى أن تُدخل كلمة مرور الأذونات. لا تخمّن هذه الأداة كلمات المرور، لذا إن كنت لا تعرف كلمة مرور الأذونات، فاسأل منشئ ملف PDF. لا يمكن أن يحمل الملف النصي (TXT) كلمة مرور أو قيودًا، لذا يستطيع أي شخص فتح الملف الذي تحفظه. يُستخرج أيضًا النص المخفي تحت تعليقات توضيحية مثل المربعات السوداء إذا كان لا يزال موجودًا في الملف كنص، لذا لحذف النص من الملف، استخدم «حجب محتوى PDF».
هل يمكن أن يحتوي النص المستخرج على أخطاء؟
نعم. في الصفحات المقروءة بتقنية OCR، قد تُقرأ بعض الأحرف خطأً أو تُفوَّت بحسب حجم النص ودقة المسح والبقع أو الميلان في الورق. وتُقرأ الأرقام المتباعدة في الجداول خطأً أكثر من غيرها. عند اختيار «اليابانية» لغةً للمستند، قد تُقرأ الأحرف الواقعة خارج مجموعتي كانجي JIS من المستويين 1 و2 والرموز التعبيرية كأحرف مشابهة في الشكل. قد تخرج الأعمدة والجداول بترتيب مختلف عن ترتيب القراءة. تتبع الصفحات التي تحتوي على نص الترتيب المخزن في ملف PDF، وفي الصفحات المقروءة بتقنية OCR، قد يخرج الجدول ذو الخلايا الطويلة عمودًا تلو الآخر. اضغط «التحقق من النص المتعرَّف عليه» لرؤية الأسطر المقروءة بتقنية OCR محاطة بإطار على الصفحة، مع إظهار الأسطر الأكثر احتمالًا لاحتواء أخطاء بلون مختلف.
ساعدنا على تحسين الخدمة
إذا فشل تحويل ما، فإن إرسال ظروف الفشل إلينا يساعدنا على تحديد السبب. فمعرفة الأجهزة والصيغ التي يكثر فيها الفشل، والمدة التي تستغرقها المعالجة، تتيح لنا مراجعة الصيغ المدعومة وإصلاح الأخطاء المسبّبة لذلك. إن لم يكن لديك مانع، فإن إبقاء هذا الخيار مفعّلًا يساعدنا كثيرًا.
ما يُرسَل
- الأداة التي استخدمتها والإعدادات التي اخترتها (صيغة الإخراج، الجودة، وغير ذلك)
- مواصفات جهازك (GPU، الذاكرة، عدد الأنوية)
- صيغة الإدخال مع حجم تقريبي
- عدد الملفات التي نجحت أو فشلت والمدة التي استغرقتها
- نوع الخطأ وتفاصيله عند حدوث فشل
ما لا يُرسَل أبدًا
- الملفات نفسها وأسماء الملفات
- النص الموجود في ملفات PDF، والنص الذي أعدت كتابته أو حجبته، وكلمات المرور، وأسماء الخطوط، ونطاقات الصفحات التي تُدخلها
- النص المتعرَّف عليه ومواضع الأسطر المتعرَّف عليها
- عناوين IP
تذهب البيانات إلى خادم هذا الموقع فقط، ولا تذهب أبدًا إلى خدمة تابعة لجهة خارجية.
للاطلاع على القائمة الكاملة، بما في ذلك التفاصيل التي ترسلها كل أداة، راجع «إحصاءات المعالجة» في سياسة الخصوصية.
تفاصيل ترسلها هذه الأداة (أعداد وأوقات وأنواع ونعم/لا فقط)
بالإضافة إلى «ما يُرسَل»، ترسل هذه الأداة التفاصيل التالية.
- أدوات PDF (جميعها)
- نطاق عدد الصفحات، وما إذا كان التعديل مقيّدًا، وما إذا أُدخلت كلمة مرور الأذونات، وما إذا كان ملف PDF موقّعًا أو مشفّرًا.
- تحويل PDF إلى نص
- أعداد المدخلات والمخرجات، والصفحات التي استُخرج نصها، والصفحات التي كانت تحتوي مسبقًا على نص OCR، والصفحات التي تمزج النص والصور، والصفحات المقروءة بتقنية OCR، والصفحات المقروءة دون العثور على نص، والصفحات ذات النص المشوّه، والصفحات الفارغة، والصفحات التي أُعيد ترتيبها كنص عمودي، والصفحات التي صُحّح اتجاهها، والصفحات التي لم تُقرأ لأن نموذج الذكاء الاصطناعي لم يُحمَّل، والصفحات التي لم تُقرأ لأنها زادت على عدد الصفحات الممكن قراءتها في المرة الواحدة، والأسطر والأحرف المقروءة، والمناطق والأحرف التي لم تُقرأ لتداخلها مع نص أو تعليقات توضيحية موجودة (كلها كنطاقات)، ونطاقات نسبة الأسطر العمودية والأسطر الأكثر عرضة للأخطاء، ونطاقات الوقت لكل صفحة ووقت تهيئة نموذج الذكاء الاصطناعي، ونوع نموذج الذكاء الاصطناعي وإصداره وما إذا حُمِّل، وما إذا سألت الأداة قبل تحميل نموذج الذكاء الاصطناعي، ونطاق دقة التصيير وما إذا خُفِّضت، ونطاق عدد الأجزاء التي قُسّمت إليها الصورة للعثور على النص، وما إذا زاد الوقت المقدّر على 15 دقيقة، وما إذا أصبحت وحدة GPU غير متاحة.