تحويل PDF إلى نص — استخراج النص من ملف PDF
أداة في المتصفح تستخرج نص ملف PDF صفحة بصفحة لنسخه أو حفظه بصيغة TXT
تعمل في متصفحك · لا يُرفع أي شيء
اسحب إلى هنا ملف PDF المراد استخراج نصه
أضف ملف PDF واحدًا (حتى 100 ميغابايت). إضافة ملف آخر تستبدل الملف الحالي. لا تغادر الملفات متصفحك.
ما هذه الأداة؟
تحوّل النص الموجود داخل ملف PDF إلى نص عادي. استخدمها لنقل تقرير إلى محرر نصوص، أو اقتباس جزء من بحث، أو البحث عن عبارة في عقد طويل. يمكنك فتح كل صفحة على حدة ونسخها، أو نسخ كل شيء دفعة واحدة، أو تنزيل ملف TXT. وعندما تخرج الحروف مشوّهة بسبب الخطوط، أو لا يحتوي المسح على نص إطلاقًا، تشرح الصفحة السبب وما يجب فعله. ويعمل كل شيء في متصفحك.
طريقة الاستخدام
- اسحب ملف PDF واحدًا إلى المنطقة المنقطة أو اضغط اختيار ملف PDF.
- إن كنت تحتاج إلى جزء فقط، فاكتب نطاق الصفحات مثل
1-3, 5. الفراغ يعني كل الصفحات. - اختر ما إذا كنت تريد فاصلًا مثل
--- الصفحة 1 ---بين الصفحات. - اضغط استخراج النص للحصول على النص كاملًا ونص كل صفحة. في الملفات الطويلة، ينهي زر إيقاف العمل مبكرًا ويحتفظ بما قُرئ.
- انسخ الكل أو صفحة واحدة، أو نزّل ملف TXT.
كيف تعمل؟
- الاستخراج: تُضم قطع النص التي يقرؤها PDF.js بالترتيب المحفوظ. يبدأ سطر جديد عند علامة نهاية السطر أو حين يتحرك خط الأساس أكثر من نصف سطر، وتُضاف مسافة بين القطع المتباعدة بوضوح على السطر نفسه. تُحذف المسافات في نهاية الأسطر، وتُختصر الأسطر الفارغة المتتالية إلى سطر واحد.
- تنبيه النص المشوّه: يظهر حين يكون 3 أحرف على الأقل، و2% على الأقل من الأحرف الظاهرة، أحرفَ استبدال (�) أو أحرف استخدام خاص أو أحرف تحكم.
- الصفحات بلا نص: تُسرد أرقامها؛ وإذا كانت كل الصفحات فارغة يُعامل الملف على أنه ممسوح ضوئيًا ويُقترح OCR.
- ملف TXT: بترميز UTF-8 مع علامة ترتيب البايت ونهايات أسطر Windows (CRLF)، فيُفتح النص العربي والصيني والرموز التعبيرية بشكل صحيح حتى في المفكرة القديمة.
- الحدود: ملفات حتى 100 ميغابايت. لا يوجد OCR.
- المكتبات: PDF.js (Apache-2.0). تُقدَّم جداول ربط الحروف للخطوط الصينية واليابانية والكورية من هذا الموقع ولا تُحمَّل إلا عند الحاجة.
أمثلة
| الملف | النتيجة |
|---|---|
| تقرير مُصدَّر من Word | الفقرات والأسطر كما كُتبت |
| بحث من عمودين | غالبًا العمود الأيسر ثم الأيمن؛ وقد تتلاصق خلايا الجداول |
| إيصال ممسوح ضوئيًا | رسالة «لم يُعثر على أي نص» مع اقتراح OCR |
| ملف PDF ينقص خطه جدول ربط Unicode | تنبيه النص المشوّه مع الحل |
لصور ملف PDF استخدم أداة استخراج صور PDF، وللحفاظ على شكل الصفحات كاملة استخدم أداة تحويل PDF إلى JPG.
الأسئلة الشائعة
هل يُرفع ملف PDF؟
لا. يجري الاستخراج في متصفحك فقط ولا يُرفع الملف أبدًا. لا يوجد النص إلا في هذه الصفحة وفي ملف TXT الذي تنزّله.
النص المستخرج مشوّه، فلماذا؟
عندما يضمّن ملف PDF خطًا دون جدول ربط Unicode، تظهر الحروف على الشاشة لكنها تخرج فراغات أو رموزًا غريبة عند قراءتها نصًا. وإذا ظهر عدد كافٍ من هذه الحروف تنبّهك الأداة. والحل هو إعادة تصدير الملف من البرنامج الأصلي، أو استخدام التعرف الضوئي على الحروف (OCR).
لماذا لا أحصل على شيء من ملف PDF ممسوح ضوئيًا؟
في ملف PDF ممسوح أو مصوَّر تكون كل صفحة صورة، فلا يوجد نص لاستخراجه، وهذه الأداة لا تجري OCR. وإذا لم يُعثر على أي نص إطلاقًا فستُبلَّغ بذلك؛ مرّر الملف أولًا على برنامج أو تطبيق مسح يدعم التعرف على النصوص.
هل فواصل الأسطر والترتيب مثل الأصل؟
يتبع النص الترتيب المحفوظ في ملف PDF، وتُقسَّم الأسطر عند علامات نهاية السطر وحيث يقفز خط الأساس. تخرج معظم المستندات بترتيب القراءة، لكن التخطيطات متعددة الأعمدة والجداول ومربعات النص قد تختلط أو تتلاصق.
هل تعمل مع ملفات PDF المحمية؟
لا تُدعم بعدُ ملفات PDF التي تطلب كلمة مرور لفتحها. أما الملفات التي تُفتح دون كلمة مرور لكنها تقيّد الطباعة أو التحرير فتُفتح ويمكن قراءة نصها. تحقّق بنفسك من شروط استخدام المستند.
