استخراج نص PDF للنسخ
ارفع ملف PDF ممسوحًا ضوئيًا أو صورة فوتوغرافية. تقرأ تقنية OCR النص من البكسلات وتحوّله إلى أحرف قابلة للتحرير. تعمل مع النصوص المطبوعة بلغات متعددة، وتتعامل مع المسح الضوئي منخفض الجودة والصفحات المائلة والخطوط المتنوعة.
تبقى الصفحات بترتيبها الأصلي مع علامة بينها، فحتى ملف PDF كبير متعدد الصفحات يعود كتلة نصية واحدة متصلة يمكنك تصفحها ونسخ الجزء الذي تحتاجه فعلًا. ويؤثر المكان الذي تلصق فيه النتيجة أيضًا في فواصل الأسطر: فحقل النص العادي يُبقي كل سطر أصلي منفصلًا، بينما تدمج بعض وجهات النص المنسّق الأسطر القصيرة في فقرة واحدة، لذا تحقّق من الوجهة مرة إذا بدت صفحة متعددة الأعمدة متداخلة مباشرة بعد اللصق.
لماذا تتخطى هذه الأداة OCR عند الإمكان
المستندات الممسوحة ضوئيًا ليست سوى صور. لا يمكنك البحث فيها أو نسخ النص منها أو تحريرها. تحوّل تقنية OCR الصور إلى نص حقيقي، وتجعل الأرشيفات الورقية القديمة قابلة للبحث، وتتيح لك استخراج البيانات من النماذج الممسوحة ضوئيًا، وتحوّل المواد المطبوعة إلى ملفات قابلة للتحرير.
ضرورية لرقمنة العقود والإيصالات والوثائق التاريخية وصفحات الكتب. وتحتاج قارئات الشاشة إلى نص حقيقي لقراءته بصوت عالٍ—وتجعل تقنية OCR المستندات الممسوحة ضوئيًا في متناول ذوي الإعاقة. وهي توفر ساعات مقارنة بإعادة الكتابة اليدوية.
تقييم ملف PDF المصدر
ملف PDF يمكنك فيه بالفعل تحديد النص في عارض عادي سيعود شبه حرفي، لأن ذلك استخراج مباشر دون أي تخمين تعرّف؛ وتعتمد الجودة هناك فقط على ترميز الملف الأصلي، الذي يكون عادةً جيدًا جدًا.
ملف PDF يرسم فيه تحديد النص مجرد مربع حول الصفحة، دون أي شيء قابل للتحديد فعليًا، هو مسح ضوئي، وتعتمد النتيجة المنسوخة لتلك الصفحات على قراءة تقنية OCR لصورة؛ تحقق من صفحة كهذه مقابل ملف PDF المصدر إذا بدا سطر غير صحيح قبل الوثوق به تمامًا. تصل أرقام الجدول بترتيب عملي عندما تأتي من ملف PDF يخزّن النص بالفعل، لأن موضع كل حرف مسجَّل في الملف نفسه، لكن الجدول نفسه المُستخرج من صفحة ممسوحة ضوئيًا يعتمد على حكم تقنية OCR الصحيح على حدود الأعمدة، وأي حكم خاطئ على حد يظهر كرقم يقع بجانب تسمية خاطئة.
قبل أن تنسخ النتيجة
إذا كان ملف PDF الخاص بك مسحًا ضوئيًا، فإن أصلًا أكثر وضوحًا، مطبوعًا لا مكتوبًا بخط اليد، وعالي التباين لا باهتًا، يمنح تقنية OCR مادة أفضل للعمل عليها ويظهر كأخطاء أقل في النص الذي تنسخه، لأنه لا يوجد هنا احتياطي تنسيقي يُخفف من تعرّف سيئ.
بالنسبة لملف PDF طويل، استخدم علامات الصفحات في النص المُعاد للقفز إلى القسم الذي تحتاجه بدل قراءة الكتلة بأكملها من الأعلى إلى الأسفل؛ عادةً ما يكون ذلك أسرع من التمرير عبر نسخة من كل صفحة بينما صفحة واحدة فقط هي المهمة.