OCR PDF - Make a Searchable PDF Online Free

ملف PDF الصوري العادي عبارة عن صورة مسطّحة مغلّفة في حاوية .pdf — لا تستطيع تحديد النص فيها أو نسخه أو البحث فيه. أما ملف PDF القابل للبحث فيحتوي على طبقة نص OCR غير مرئية محاذية خلف كل حرف ظاهر، بحيث يجد Ctrl+F الكلمات ويعمل النسخ ويمكن لقارئات الشاشة قراءة الصفحة بصوت عالٍ مع بقاء المظهر البصري مطابقًا.

يقرأ محرك OCR كل كلمة ويخزّن نصها وإطارها المحيط خلف الصورة الأصلية عند إحداثيات البكسل الدقيقة. تبدو الصفحة بصرياً مطابقة للمسح الأصلي، لكن يمكن الآن لـ Adobe Acrobat و Preview و Chrome وكل عارض PDF حديث تحديد النص والبحث فيه ونسخه كما لو كان نصاً رقمياً أصلياً.

نعم. طبقة النص هي PDF قياسية (دون امتداد خاص)، لذا يفهرسها ويبحث فيها كل من Adobe Acrobat (Reader وPro) وMacOS Preview وعارض PDF المدمج في Chrome وFirefox وEdge وقارئات الجوال مثل تطبيق الملفات وDrive وDropbox. ويعثر Ctrl+F أو Cmd+F على الكلمات خلال ثوانٍ، حتى في التقارير الممسوحة الطويلة.

نعم. مرِّر عدة رموز لغات (مثل eng+chi_sim+hin) فيأخذها OCR جميعها في الحسبان عند قراءة الأحرف. وتعمل المستندات متعددة الكتابات مثل القوائم ثنائية اللغة والعقود الدولية والنماذج الحكومية بسلاسة. وللحصول على أفضل النتائج، ضع اللغة الأرجح أولاً في القائمة.

تضيف طبقة النص عادةً 5–15% إلى حجم ملف PDF — أي بضع مئات من الكيلوبايتات لكل 100 صفحة في العادة. مقارنةً بالفائدة (البحث في النص الكامل عبر أرشيف مستنداتك بأكمله)، فهو ثمن زهيد. إذا كان الحجم مهماً للبريد الإلكتروني، فمرّر النتيجة عبر أداة ضغط PDF لتقليص الصور المضمّنة الكبيرة أكثر.

تُعالج الملفات المرفوعة في مجلد عمل مؤقت وتُحذف تلقائيًا خلال دقائق من اكتمال التحويل. لا ندرّب النماذج أبدًا على ملفات المستخدمين، ولا نشاركها أبدًا، ولا نضيف علامات مائية أبدًا. وهذا يجعل الأداة آمنة للأرشيفات الممسوحة ضوئيًا في المجالات القانونية والموارد البشرية والطبية والمحاسبية حيث تكون السرية في غاية الأهمية.

تقرأ هذه الأداة ملفات الصور (JPG وPNG وTIFF والمسوحات والصور) وتُعيد ملف PDF قابلاً للبحث. وإذا كان لديك بالفعل ملف PDF ممسوح متعدد الصفحات، فقسّمه أولًا إلى صور صفحات باستخدام أداة PDF إلى صور، ثم أسقط تلك الصور هنا لاستعادة ملف PDF واحد قابل للبحث ومعالَج بـ OCR.

ارفع JPG أو PNG أو WEBP أو GIF أو TIFF أو BMP — تعمل جميعها مع صور الهاتف ومسوحات الماسح المسطّح ولقطات الشاشة. يقرأ محرك OCR النص ويغلّفه في طبقة غير مرئية خلف الصورة، فتكون النتيجة ملف PDF عاديًا قابلًا للبحث يُفتح في أي عارض.

يحتاج ملف PDF القابل للبحث إلى طبقة نص hOCR مضمّنة بمربّعات إحاطة لكل كلمة، وهي شيء لا تستطيع إنتاجه سوى المحرّكات المبنية على Tesseract (المحرّك 1 والمحرّك 2) — أما محرّك PaddleOCR "الافتراضي" المستخدم في أماكن أخرى في التطبيق فلا يمكنه توليد تلك الطبقة. المحرّك 1 هو تمريرة Tesseract القياسية بأوسع دعم للغات؛ ويمكن للمحرّك 2 أن يكون أفضل مع المسوحات المزخرفة أو منخفضة الجودة.

افتح أداة اختيار اللغة في الإعدادات واختر لغة المستند (الإنجليزية افتراضياً) — فهذا هو الإعداد الأهم على الإطلاق لدقة OCR، لأن تعرّف المحرك على الأحرف خاص بكل لغة. انقر على إعادة تشغيل التحويل بعد تغييره لإعادة بناء ملف PDF بطبقة نص جديدة.

اختر المحرك 1 لتغطيته اللغوية الأوسع، واضبط أداة اختيار اللغة على اللغة الأساسية للعقد. إذا كانت الأقسام الرئيسية بلغة ثانية لا تزال غير مطابقة عند البحث، فأعد تشغيل التحويل مع تحديد المحرك 2 أو اللغة الثانوية في تمريرة ثانية.

يُحدَّث تلقائيًا — يؤدي تبديل قائمة المحرك أو اللغة المنسدلة إلى إعادة معالجة الصورة المرفوعة فورًا وإعادة بناء ملف PDF القابل للبحث بالإعداد الجديد، دون الحاجة إلى أي نقرة. زر إعادة تشغيل التحويل مفيد أساسًا لإعادة محاولة الإعدادات نفسها بالضبط مرة أخرى، على سبيل المثال بعد تحويل فاشل أو انقطاع قصير في الشبكة.