كيفية إجراء OCR على ملف PDF (لجعله قابلاً للبحث)
دليل خطوة بخطوة لجعل ملفات PDF الممسوحة ضوئياً قابلة للبحث عبر OCR: اختر لغات المستند، وتُضاف الطبقة النصية محلياً في متصفحك، ولا تُرفع ملفاتك أبداً.
التعرف على النصملف PDF الممسوح ضوئياً هو صورة فوتوغرافية للنص: يبدو مقروءاً، لكنه من منظور كل مربع بحث وعملية نسخ ولصق وأداة استخراج نص، صفحاته فارغة. يعالج OCR (التعرف الضوئي على الحروف) ذلك عبر التعرف على الأحرف وإضافة طبقة نصية غير مرئية فوق الممسوحة ضوئياً. يوضح هذا الدليل كيفية القيام بذلك باستخدام أداة OCR لملفات PDF من AmiPDF، التي تُجري التعرف بالكامل في متصفحك: لا يغادر الملف جهازك أبداً، وهو أمر مهم للعقود والسجلات الطبية ووثائق الهوية. تختار لغة مستند واحدة أو أكثر، فتتعرف الأداة على كل صفحة، ويكون الناتج هو ملف PDF نفسه، لكنه الآن قابل للبحث والنسخ.
تشغيل OCR خطوة بخطوة
افتح أداة OCR وأضف الممسوحة ضوئياً
انتقل إلى أداة OCR لملفات PDF من AmiPDF وأفلت ملف PDF الممسوح ضوئياً في منطقة الرفع. تُقبل المستندات الممسوحة ضوئياً حتى الحد الأقصى لعدد الصفحات الذي تدعمه الأداة؛ وإذا كانت الممسوحة ضوئياً كتاباً طويلاً، فقسّمها أولاً إلى أجزاء باستخدام تقسيم PDF وعالج كل جزء على حدة.
اختر لغات المستند
حدد كل لغة تظهر في المستند، ضمن الحد الأقصى لكل تشغيل. اختيار لغتين أو ثلاث عندما يخلط النص بينها فعلاً يحسّن التعرف؛ أما إضافة لغات لا يحتويها المستند فلا يؤدي إلا إلى إبطاء التشغيل. يُنزَّل المحرك وحزم اللغات مرة واحدة عند أول استخدام ثم تُخزَّن مؤقتاً بعد ذلك.
شغّل التعرف
انقر على زر البدء وتابع التقدم لكل صفحة. يجري التعرف على جهازك باستخدام WebAssembly؛ وعادة ما تستغرق ممسوحة ضوئياً من 10 صفحات بضع دقائق حسب جهازك. أبقِ التبويب مفتوحاً حتى يكتمل التشغيل؛ فالأداة تجمع الناتج تلقائياً.
نزّل ملف PDF القابل للبحث
احفظ الناتج؛ فهو المستند المرئي نفسه، لكن مع طبقة نصية غير مرئية تحته. يعمل البحث في أي قارئ PDF، ويعيد النسخ واللصق نصاً حقيقياً، ويمكنك استخراج المحتوى لاحقاً باستخدام تحويل PDF إلى Markdown. يتيح زر أيضاً الحصول على النص المتعرَّف عليه الخام في ملف .txt للتحقق السريع.
الحصول على أفضل النتائج
الممسوحات النظيفة يُتعرَّف عليها بشكل أفضل
الصفحات المستقيمة ذات الإضاءة المتساوية بدقة 300 DPI هي الأفضل. تفقد صور الهاتف المائلة دقتها عند الحواف؛ وإذا كان المصدر كاميرا هاتف، فقم بالتقويم والقص أولاً؛ يمكن لأداة قص PDF إزالة الحدود الداكنة التي تربك التعرف.
تحقق من معاينة النص
التعرف الضوئي على الحروف إحصائي: دقة 100% غير مضمونة، خصوصاً مع الخطوط غير المعتادة أو التباين المنخفض. استخدم عرض النص المستخرج للتحقق من فقرة أو فقرات قبل الاعتماد على البحث، وأعد التشغيل بلغات معدّلة إذا بدا الناتج مشوَّهاً.
تخطَّ OCR لملفات PDF النصية
إذا أخبرتك الأداة أن المستند يحتوي بالفعل على طبقة نصية، فلست بحاجة إليها؛ فأدوات الاستخراج مثل تحويل PDF إلى Word تعمل مباشرة وتنتهي في ثوانٍ.
الأسئلة الشائعة
هل حقاً لا يُرفع ملفي إلى أي مكان؟
صحيح: يجري التعرف في متصفحك عبر WebAssembly. حركة الشبكة الوحيدة هي تنزيل محرك OCR وحزم اللغات مرة واحدة، وتُخزَّن مؤقتاً للتشغيلات المستقبلية.
كم لغة يمكنني اختيارها؟
حتى الحد الأقصى لكل تشغيل المعروض على الصفحة. امزج اللغات بحرية، مثلاً الإنجليزية والصينية في عقد ثنائي اللغة، لكن تجاوز اللغات غير الموجودة في المستند؛ فهي تبطئ التشغيل فقط.
هل سيغيّر OCR مظهر الممسوحة ضوئياً؟
لا. تحتفظ الصفحات بمظهرها الأصلي؛ ويُضاف النص المتعرَّف عليه كطبقة غير مرئية تحتها. ترى المستند نفسه، لكن البحث والنسخ يعملان الآن.