استخراج النص من ملف PDF
كل نص الملف في مربع جاهز للنسخ، صفحة بعد صفحة، أو ملف TXT.
طريقة الاستخدام
- اختر ملف PDF أو اسحبه إلى المربع، فتُقرأ صفحاته فورًا.
- راجع النص في المربع، وأزل أرقام الصفحات من قبل كل نص إن لم تردها.
- اضغط «انسخ النص»، أو «نزّل ملف TXT».
عن الأداة
تقرأ الأداة النص المخزّن في ملف PDF بمكتبة PDF.js، صفحة صفحة، وتعيد بناء السطور من مواضع الكلمات على الصفحة: الكلمات التي على سطر واحد تُجمع، والفراغات الكبيرة بين السطور تصير أسطرًا فارغة، والسطر الذي أغلب كلماته عربية يُقرأ من اليمين إلى اليسار. يمكن وضع رقم كل صفحة قبل نصها، وتظهر لك أعداد الحروف والصفحات، والصفحات التي لا نص فيها.
الأداة تستخرج النص الموجود فعلًا في الملف، ولا تقرأ الصور. الملفات الممسوحة بالماسح الضوئي أو المصورة بالهاتف صفحاتها صور لا نص فيها، فتخبرك الأداة بذلك بدل أن تعطيك مربعًا فارغًا؛ استخراج الكلام من الصور يحتاج إلى «التعرف الضوئي على الحروف» (OCR) وهو غير متاح هنا. وبعض الملفات العربية القديمة أو المصنوعة ببرامج لا تدعم العربية جيدًا قد يخرج نصها بحروف منفصلة أو بترتيب مختلف، لأن هذا ما خُزّن فيها.
ملف TXT يُحفظ بترميز UTF-8 مع علامة الترتيب حتى تفتحه المفكرة وبرامج ويندوز بالعربية الصحيحة. لا يُرفع الملف إلى أي خادم؛ القراءة كلها في متصفحك. الملفات المحمية بكلمة مرور لا تُفتح؛ أزل الحماية أولًا.
أسئلة شائعة
اخترت الملف فظهر أنه لا يوجد نص يمكن نسخه، لماذا؟
لأن صفحاته صور، كما في المستندات الممسوحة ضوئيًا. النص الذي تراه بعينك ليس مخزّنًا حروفًا في الملف، ويحتاج إلى برنامج OCR لقراءته، وهذه الأداة لا تقوم بذلك.
النص العربي خرج بحروف متقطعة أو معكوسة، ما السبب؟
بعض البرامج تحفظ العربية في PDF حرفًا حرفًا بأشكالها المرسومة لا بحروفها الأصلية، فيُستخرج كما خُزّن. جرّب فتح الملف في متصفح ونسخ النص منه؛ إن ظهرت المشكلة نفسها فهي من الملف لا من الأداة.
هل تُستخرج الجداول بترتيبها؟
تُستخرج خلايا الجدول نصًا على سطور، لكن الأعمدة لا تُحفظ كجدول. للجداول الكبيرة انسخ النص ثم رتّبه في جدول بيانات.