استخراج النص من PDF
استخرج النص القابل للتحديد من ملف PDF، صفحة بصفحة
انقر هنا أو اسحب ملف PDF إلى هنااختر ملف PDF
نبذة عن استخراج النص من PDF
تقرأ أداة «استخراج النص من PDF» طبقة النص في ملف PDF، أي النص الذي يمكنك تحديده في عارض الملفات، وتعيده نصا عاديا، مع إعادة بناء فواصل الأسطر والمسافات من مواضع النص في الصفحة. خذ كل الصفحات أو الصفحات التي تذكرها فقط، مع عنوان يذكر كل صفحة أو بدونه، ثم انسخ النص أو احفظه في ملف .txt. لا تقرأ الأداة الصور: الصفحة الممسوحة ضوئيا لا تحتوي على طبقة نص، فتقترح الأداة عندها «OCR لملفات PDF». تتم قراءة الملف في متصفحك باستخدام PDF.js.
كيفية استخراج النص من ملف PDF
- 1اختر ملف PDF.
- 2يمكنك ذكر صفحات في خانة «الصفحات (فارغ: الكل)»، وإلغاء تحديد خانة عنوان الصفحة للحصول على النص وحده.
- 3انقر على «استخراج النص».
- 4انسخ النتيجة بزر «نسخ»، أو انقر على «تنزيل» لحفظها في ملف .txt يحمل اسم ملف PDF الخاص بك.
الصيغ والحدود
- الإدخال
- ملف PDF يحتوي على طبقة نص
- الناتج
- نص عادي في الصفحة وملف .txt بترميز UTF-8
- الصفحات
- الكل، أو قائمة مثل 1-3, 5, 8-
- الصفحات الممسوحة ضوئيا
- لا يوجد نص للقراءة؛ استخدم «OCR لملفات PDF»
المكان الذي تتم فيه معالجة ملفك
يقرأ PDF.js ملفك داخل المتصفح، ولا يتم رفع ملف PDF ولا النص المستخرج. إذا فشل الاستخراج، يتم إرسال نسخة منقحة من رسالة الخطأ إلينا مع اسم الأداة ونوع الملف وحجم تقريبي واسم متصفحك وإصداره، ولا يرسل أبدا اسم الملف ولا أي نص. في الملفات التي يصل حجمها إلى 25 م.ب، يتم إصلاح علامات الحروف (accents) المرسومة كرموز منفصلة في النسخة المقدمة إلى PDF.js، ولا يتم ذلك أبدا في ملفك.
الأسئلة الشائعة
هل يمكنني استخراج النص من ملف PDF ممسوح ضوئيا؟
لا. يحفظ المسح الضوئي كل صفحة كصورة، لذلك لا توجد طبقة نص للقراءة. عندما لا تحتوي أي صفحة على نص، تخبرك الأداة بذلك وتقترح «OCR لملفات PDF»، الذي يتعرف على الحروف في الصور ويمكنه أيضا أن يعطيك ملف PDF قابلا للبحث.
هل تخرج الصفحات متعددة الأعمدة بالترتيب الصحيح؟
لا، ليس دائما. يعاد بناء فواصل الأسطر والمسافات من مواضع النص، لكن الترتيب هو الترتيب الذي يخزن به ملف PDF نصه. عندما يخزن ملف PDF أعمدته متداخلة، تتناوب في النتيجة أسطر من أعمدة مختلفة.
هل يمكنني الحصول على النص بدون عناوين الصفحات؟
نعم. ألغ تحديد خانة عنوان الصفحة فوق الزر، فلا يفصل بين الصفحات إلا سطر فارغ. اتركها محددة عندما تحتاج إلى معرفة الصفحة التي جاء منها كل مقطع.
نصائح وحيل
- ✓في ملف يجمع بين صفحات مكتوبة وصفحات ممسوحة ضوئيا، يقرأ «OCR لملفات PDF» النوعين، ويترك الصفحات التي تحتوي على نص بالفعل دون طبقة ثانية.