كيفية استخراج النص من ملف PDF
استخرج طبقة النص من ملف PDF إلى نص عادي يمكنك نسخه أو تنزيله.
لديك ملف PDF وتحتاج كلماته — للاقتباس منه أو البحث فيه أو لصقه في مستند أو إدخاله في أداة أخرى. إذا كان الملف يحتوي على طبقة نص مدمجة، يستغرق الاستخراج ثوانٍ. وإذا لم يكن كذلك، فلن تفيدك أي أداة استخراج، ومعرفة الفرق توفر عليك الكثير من الإحباط.
أضف ملف PDF
اسحب ملف PDF إلى أداة PDF إلى نص. الملف لا يغادر متصفحك أبدًا — الاستخراج يعمل محليًا، صفحة بصفحة.
استخرج، صفحة بصفحة
اضغط «استخراج النص» فتقرأ الأداة طبقة النص المدمجة في الملف، وتعرض النتيجة مجمّعة تحت كل صفحة مع عدد الأحرف. إبقاء الصفحات منفصلة مهم: فهو يحافظ على بنية المستند، لتستطيع لاحقًا معرفة مصدر أي اقتباس.
انسخه أو نزّله كملف .txt
انسخ النتيجة كاملة إلى الحافظة، أو نزّلها كملف نصي عادي .txt. النص العادي بسيط عمدًا — يعمل في كل مكان، من محرر النصوص إلى استيراد الجداول، دون تنسيق يعيقك.
عندما لا يحتوي ملف PDF على نص لاستخراجه
إذا أفادت الأداة بأن الملف لا يحتوي على نص قابل للاستخراج، فالمستند على الأرجح ممسوح ضوئيًا — مجموعة صور للصفحات وليس نصًا حقيقيًا. الاستخراج يقرأ طبقة النص المدمجة في الملف؛ ولا يقرأ النص من الصور. هذه مهمة التعرف الضوئي على الحروف (OCR)، وهي أداة مختلفة تمامًا، ولا تدّعي أي أداة استخراج أمينة غير ذلك.
تنظيف النص المستخرج
توقّع بعض الترتيب. الترويسات والتذييلات وأرقام الصفحات غالبًا تتكرر في كل صفحة، وفواصل الأسطر من التخطيط الأصلي تبقى في النص. مراجعة سريعة بأداة نصوص — إزالة الأسطر المكررة أو المسافات الزائدة — تترك عادة نتيجة نظيفة في أقل من دقيقة.
ما يحتفظ به الاستخراج وما يُسقطه
الاستخراج يحتفظ بالكلمات وترتيب صفحاتها، ويُسقط الخطوط والألوان والصور والتخطيط. في المستندات متعددة الأعمدة، انتبه أيضًا لترتيب القراءة: ترتيب طبقة النص لا يطابق دائمًا الترتيب المرئي للأعمدة، فيمكن أن يخرج مقال من عمودين متداخلًا. ألقِ نظرة على النتيجة قبل الاعتماد عليها.
خصوصية بالتصميم
لأن الاستخراج يحدث في متصفحك، لا تُرفع العقود والسير الذاتية والتقارير إلى أي خادم. هذا هو سبب تفضيل أداة استخراج محلية في المتصفح لأي شيء لا ترسله بالبريد إلى شخص غريب.
نصائح سريعة
- إذا لم يُعِد الاستخراج شيئًا، تحقق مما إذا كان الملف ممسوحًا قبل تجربة أداة أخرى — الملف الممسوح يحتاج OCR وليس أداة استخراج مختلفة.
- استخدم التجميع حسب الصفحة لتحديد الاقتباسات: البحث عن عبارة داخل صفحة واحدة أسهل من التمرير في كتلة نصية طويلة.
- أزل الترويسات المتكررة وأرقام الصفحات أولًا — فهي أكثر ضجيج شائع في النص المستخرج.
- في ملفات PDF متعددة الأعمدة، اقرأ الصفحة الأولى المستخرجة بعناية: إذا كانت الأعمدة متداخلة، فإعادة الترتيب يدويًا أفضل من الثقة في الناتج الخام.
- احتفظ بملف PDF الأصلي. النص المستخرج يُسقط التنسيق والصور، لذا يظل الملف هو النسخة المعتمدة.