تقوم بفحص مستند ضوئيًا وتحويله إلى Word ثم تفتح النتيجة - لتجد صفحة فارغة، أو صورة واحدة مدمجة، أو أحرفًا مشوهة. هذه واحدة من أكثر مشكلات PDF إزعاجًا شيوعًا، والسبب هو دائمًا تقريبًا شيء واحد: يحتوي ملف PDF على مسح ضوئي، وليس نصًا حقيقيًا.
ملف PDF أصلي مقابل ملف PDF ممسوح ضوئيًا: الفرق الأساسي
هناك نوعان مختلفان جوهريًا من ملفات PDF:
- ملفات PDF الأصلية (الرقمية)يتم إنشاؤها بواسطة برامج - مثل Word أو Google Docs أو Acrobat أو برنامج تشغيل الطابعة. يُخزَّن النص كبيانات أحرف فعلية داخل الملف. عند تحويل هذا النوع من ملفات PDF إلى Word، يقرأ المحوِّل الأحرف مباشرة. النتائج دقيقة عادةً، ويُحafظ إلى حد كبير على التنسيق.
- ملفات PDF الممسوحة ضوئيًاهي صور فوتوغرافية لصفحة. يلتقط الماسح الضوئي صورة، ويغلِّف برنامج PDF تلك الصورة في غلاف PDF. لا توجد بيانات نصية في الداخل - مجرد بكسلات. المحوِّل من PDF إلى Word الذي يفتح هذا الملف يرى صورة، وليس أحرفًا. لا يمكنه إنتاج نص قابل للتحرير من صورة.
كيف تعرف أي نوع من ملف PDF لديك
افتح ملف PDF وحاول تحديد كلمة باستخدام المؤشر. إذا تمكنت من تظليل الكلمات بشكل فردي ونسخها إلى الحافظة، فهو ملف PDF أصلي. أما إذا حدد المؤشر الصفحة بأكملها ككتلة واحدة - أو لم يقم بأي شيء - فهو ملف PDF ممسوح ضوئيًا.
ما تحتاجه: تقنية التعرف الضوئي على الحروف (OCR)
يتطلب تحويل ملف PDF ممسوح ضوئيًا إلى نص قابل للتحرير استخدام تقنية التعرف الضوئي على الحروف (OCR) - وهي برامج تحلل الصورة وتحدد الحروف والكلمات وبنية الفقرات. تعمل تقنية OCR كخطوة منفصلة قبل عملية التحويل إلى Word أو بدلًا منها.
أدوات يمكنها إجراء OCR لملف PDF ممسوح ضوئيًا:
- مستندات جوجل (Google Docs)- ارفع ملف PDF إلى Google Drive، ثم انقر بزر الماوس الأيمن <- افتح باستخدام مستندات جوجل. تقوم جوجل بتشغيل تقنية OCR تلقائيًا. تختلف الجودة لكنها جيدة للمستندات النظيفة والممسوحة ضوئيًا بشكل جيد.
- أدوبي أكروبات برو (Adobe Acrobat Pro)- الأدوات <- Enhance Scans <- Recognize Text. نتائج دقيقة، لكنها تتطلب اشتراكًا مدفوعًا.
- Microsoft OneNote- أدخل ملف PDF كصورة نسخة مطبوعة، ثم انقر بزر الماوس الأيمن -> نسخ النص من الصورة. يعمل صفحة بصفحة؛ ولا يحافظ على التنسيق.
بمجرد معالجة المستند بتقنية OCR، يمكن تحويله إلى Word بنتائج أفضل بكثير. استخدمأداة Pagivo لتحويل PDF إلى Wordبعد خطوة الـ OCR عندما تحتاج إلى ملف DOCX قابل للتحرير.
الحصول على أفضل نتائج OCR
تعتمد دقة OCR إلى حد كبير على جودة المسح. الأسباب الثلاثة الأكثر شيوعاً لإنتاج OCR مخرجات مشوهة:
- دقة منخفضة جداً.أي دقة أقل من 150 نقطة في البوصة تجعل التعرف على الأحرف غير موثوق. وتُعد دقة 300 نقطة في البوصة الحد الأدنى العملي للحصول على نتائج جيدة باستمرار.
- ميل الصفحة.حتى ميل قدره درجتان يجعل تحديد حدود الأحرف غامضًا. تحتوي معظم برامج الماسح الضوئي على خيار تصحيح الميل التلقائي - فعّله إن كان متاحًا.
- المحتوى المكتوب بخط اليد.يُدرَّب نظام التعرف الضوئي على الحروف (OCR) على النصوص المطبوعة. والتعرف على الكتابة اليدوية يمثل مشكلة منفصلة وأكثر صعوبة significantly. وستنتج أدوات OCR القياسية مخرجات رديئة للصفحات المكتوبة بخط اليد.
إذا كنت تحتاج إلى البحث فقط، وليس التحرير
إذا كنت تحتاج فقط إلى العثور على نص داخل المستند بدلًا من تعديله، فلا تحتاج إطلاقًا إلى التحويل إلى Word. الهدف في هذه الحالة هو جعل ملف PDF قابلًا للبحث - عبر إضافة طبقة نصية مخفية فوق الصور - بدلًا من استخراج النص إلى تنسيق جديد. وبمجرد أن يحتوي ملف PDF على طبقة نصية، يعمل Ctrl+F بشكل طبيعي في معظم برامج عرض PDF. يمكنك أيضًا استخدامAsk PDFواطلب منه إنشاء ملف PDF قابل للبحث مع تقنية OCR.
لماذا تهم جودة المسح الأصلي أكثر من الأداة
لا يمكن لأي برنامج تحويل استعادة التفاصيل التي لم يلتقطها الماسح الضوئي. المسح الضبابي أو ضعيف الإضاءة لنسخة باهتة سيُنتج مخرجات Word رديئة بغض النظر عن الأداة التي تستخدمها. التحسين الأكثر تأثيرًا الذي يمكنك إجراؤه دائمًا هو إعادة مسح المستند بدقة أعلى وإضاءة أفضل إذا كان المصدر متاحًا.