كيف تستخرج النص من ملف PDF؟
كثيرًا ما لا تحتاج إلى ملف PDF كله، بل إلى كلماته فقط: بند من عقد إيجار تريد لصقه في رسالة، أو فقرة من ملزمة المحاضرة لتلخيصها قبل الامتحان، أو سطور من فاتورة تريد نقلها إلى جدول المصروفات. هنا يأتي دور PDF to Text: يأخذ النص الموجود أصلًا داخل الملف ويعيده إليك نصًّا عاديًّا، بلا خطوط ولا صور ولا تنسيق.
ما الذي يقرؤه PDF to Text؟
لمعظم ملفات PDF المُنشأة على الحاسوب طبقة نصية، وهي النص الذي تستطيع تحديده بالفأرة: نص كُتب في محرّر نصوص ثم صُدِّر إلى PDF، أو صفحة حُفظت من المتصفح، أو نص تعرّف عليه الماسح الضوئي نفسه أثناء المسح. هذه الطبقة هي ما يقرؤه PDF to Text.
لا يقوم PDF to Text بالتعرّف الضوئي على الحروف (OCR)، ولا يقرأ الكلام المكتوب داخل الصور أو الصفحات الممسوحة المحفوظة كصورة. فإذا لم تكن للصفحة طبقة نصية فليس فيها ما يُستخرج.
تتم معالجة الملف داخل المتصفح، ولا يُرفع إلى خوادم app.zone.
خطوات استخراج النص
- اسحب الملف إلى المنطقة المكتوب فيها أفلت ملف PDF هنا، أو اضغط إضافة PDF. يُفتح ملف واحد في كل مرة، وإذا أفلتّ عدة ملفات معًا يُفتح أولها فقط.
- تابع القراءة: تظهر الصفحات واحدة تلو الأخرى، وفوق كل منها عنوان صغير مثل الصفحة 1، ويعرض سطر التقدّم شيئًا مثل الصفحة 4 / 12.
- إن أردت التوقف مؤقتًا فاضغط إيقاف، ولاستئناف القراءة من حيث توقفت اضغط متابعة.
- بعد قراءة جميع الصفحات اختر نسخ الكل أو تنزيل TXT.
فوق النص سطر يعرض اسم الملف وعدد الصفحات وعدد الأحرف، أي الأحرف لا الكلمات. ولفتح مستند آخر اضغط تغيير الملف.
كيف يبدو النص الناتج؟
النص الناتج نص خام بلا تنسيق. كل سطر في الصفحة يصبح سطرًا في النص، والكلمة المقسومة بشرطة في نهاية السطر تحتفظ بشرطتها. الترويسة والتذييل يبقيان ضمن النص. والجدول يتحول إلى سطور: كل صف من الجدول سطر واحد، وخلاياه مفصولة بمسافات. أما الصفحات المصممة بوضوح على عمودين فتُقرأ عمودًا بعد عمود، والسطور العربية تخرج بترتيب القراءة الصحيح.
يصبح زر نسخ الكل نشطًا بعد قراءة آخر صفحة، وينسخ كل الصفحات مع سطر فارغ بين كل صفحة والتي تليها. وبجانب عنوان كل صفحة زر صغير ينسخ تلك الصفحة وحدها. أما تنزيل TXT فيحفظ ملفًا نصيًّا يحمل اسم ملف PDF نفسه، ويظهر هذا الزر على iPhone وiPad باسم حفظ أو مشاركة.
عندما لا يظهر النص
- الملف الذي يطلب كلمة مرور لفتحه لا يمكن فتحه.
- الصفحات التي لا تحتوي نصًّا قابلًا للتحديد تُذكر في ملاحظة أعلى الصفحة (مثل «الصفحات 3–5»)، ولكل منها سبب: إما أنها صورة وقد تكون ممسوحة ضوئيًا، أو أن فيها رسومًا فقط أو نصًّا حُوِّل إلى أشكال، أو أنها فارغة.
- إذا لم يوجد نص في أي صفحة تظهر الرسالة لم يُعثر على نص قابل للتحديد في ملف PDF هذا، ويبقى زرّا النسخ والتنزيل معطّلين.
- إذا منع مؤلف الملف نسخ النص فستظهر عبارة لا يسمح ملف PDF هذا بنسخ نصه مع شرح السبب، ولن يُعرض النص ولن يُحفظ، ويبقى الملف كما هو دون تغيير.