PDF ممسوح ضوئيًا إلى نص

كيف يعمل

يبدو PDF الممسوح ضوئيًا كمستند ويتصرف كصورة فوتوغرافية: لا يمكنك تحديد النص أو البحث فيه أو نسخه، لأنه لا يوجد نص في الملف إطلاقًا — بل صور لنص فقط. والاستخراج العادي لا يُرجع شيئًا، وهذا بالضبط عندما تكون هذه هي الأداة التي تريدها.

كيف يعمل

تُعرض كل صفحة كصورة وتمرَّر عبر التعرف الضوئي على الحروف داخل الصفحة. ولا يُرفع شيء؛ ويُنزَّل محرك التعرف وبياناته الإنجليزية مرة واحدة من شبكة CDN عامة ويخزّنها متصفحك مؤقتًا.

استخدم المستخرِج العادي أولًا

إذا كان PDF يحتوي أصلًا على نص حقيقي، فإن أداة استخراج النص العادية من PDF فورية ودقيقة تمامًا، لأنها تقرأ النص لا تخمّن صورًا له. تعال إلى هنا فقط عندما لا ترجع تلك شيئًا.

محدودة بعدد الصفحات، عن قصد

يستغرق التعرف وقتًا حقيقيًا لكل صفحة على جهازك أنت — عدة ثوانٍ لكل واحدة. والافتراضي وهو خمس صفحات يُبقي المحاولة الأولى سريعة؛ فارفعه متى عرفت أن الجودة جيدة بما يكفي لتستحق الانتظار.

ما الذي يؤثر في الدقة

الدقة والاستقامة والتباين، بهذا الترتيب. فالمسح النظيف بدقة 300 dpi لنص مطبوع يُقرأ جيدًا جدًا. أما صورة صفحة ملتقطة بزاوية، أو فاكس باهت، أو مسح منخفض الدقة، فسينتج أخطاء أو لا شيء إطلاقًا. والعرض بدقة 300 dpi يساعد، لكنه لا يستطيع إنقاذ أصل سيئ.