استخراج النص من PDF إلى ملف TXT
نسخ فقرة واحدة من تقرير من أربعين صفحة يفترض أن يستغرق ثواني، لكن ملفات PDF كثيرًا ما تعاند: النص يرفض التحديد أو تلتصق السطور بترتيب خاطئ. تقرأ هذه الأداة طبقة النص في ملف PDF الذي ترفعه وتجهز ملف TXT يحافظ على تنسيق الصفحة بقدر ما يسمح النص العادي. الملفات المنشأة رقميًا تنتهي عادة في أقل من دقيقة. الصفحات الممسوحة ضوئيًا لا تحمل طبقة نص فتعود فارغة؛ وهذه تحتاج إلى المرور بخدمة OCR أولًا. يُرفع ملفك إلى الخادم للمعالجة ثم تنزّل ملف TXT، ويبقى الرابط صالحًا لمدة ساعة.
خطوة بخطوة
- أسقط ملف PDF في منطقة الرفع؛ الملفات الأقل من 20 ميجابايت تعطي أسرع نتيجة.
- عند ظهور اسم الملف وعدد الصفحات يكون الرفع قد اكتمل ويمكنك بدء المهمة.
- تدخل المهمة في قائمة الانتظار؛ أبقِ الصفحة مفتوحة حتى تتحول الحالة إلى مكتملة.
- عندها نزّل ملف TXT واحفظه على جهازك.
- افتحه في المفكرة أو أي محرر نصوص وابحث عن المقطع الذي تريده.
- إذا جاءت النتيجة فارغة فالملف على الأرجح نسخة ممسوحة؛ مرره على OCR أولًا ثم حاول مجددًا.
مثال توضيحي
تعمل إليف في أرشيف البلدية وأمامها ملف PDF من ستين صفحة يضم قرارات المجلس لعام 2019. عليها نقل أرقام القرارات إلى جدول بيانات، لكن تحديد النص مباشرة يبعثر السطور. ترفع الملف وتنزّل ناتج TXT وتجد كل رقم بالبحث النصي. النسخ واللصق ينجز في نصف ساعة ما كانت كتابته يدويًا ستستغرق يومًا كاملًا. يبقى الأصل في الأرشيف ومعه ملف TXT.
راجع النتيجة
افتح ملف TXT المنزّل وتأكد أن عنوان الصفحة الأولى يطابق الأصل. راجع التواريخ والأرقام المرجعية والأسماء بحثًا عن حروف ناقصة. إذا بدت فواصل الفقرات وترتيب البنود سليمًا فقد نجح الاستخراج. الجداول تتسطح إلى سطور متباعدة، فقارن الأرقام صفًا بصف قبل الاعتماد عليها. إذا رأيت سطورًا مشوهة مرر الملف على OCR وكرر الاستخراج.
أسئلة شائعة
هل يمكنني نسخ النص المستخرج مباشرة من الموقع؟
نعم. بعد المعالجة تنزّل ملف TXT وتفتحه وتنسخ أي مقطع تريده. في المستندات الطويلة من العملي أكثر أن تبحث داخل الملف على جهازك.
لماذا أعاد ملف PDF الممسوح نتيجة فارغة؟
ملفات PDF الممسوحة تخزن الكتابة كصور بلا طبقة نص، وهذه الأداة لا تقرأها. حوّل المستند أولًا إلى PDF قابل للبحث بأداة OCR ثم استخرج النص.
كيف تظهر الجداول والأعمدة في النتيجة؟
تحافظ الأداة على التنسيق قدر الإمكان، لكن حدود الجداول لا تبقى في ملف TXT. تصل الأعمدة كسطور متباعدة قد تنحرف، فقارن الأرقام دائمًا مع الأصل.
هل يوجد حد لعدد الصفحات في المستندات الكبيرة؟
يزداد الوقت مع عدد الصفحات، لكن التقارير والرسائل العادية تمر دون مشكلة. في أرشيفات المئات من الصفحات، قسّم الملف واستخرج على دفعات لنتائج أكثر أمانًا.
هل تبقى ملفاتي المرفوعة على الخادم؟
تبقى ملفاتك على الخادم فقط أثناء المهمة. ينتهي الرابط بعد ساعة وتُمسح الملفات والنتائج. في المستندات شديدة الحساسية القرار لك.
احتفظ بنسخة أصلية قبل المعالجة. الأمثلة توضيحية والنتائج تختلف حسب المستند.