استخراج النص من PDF

كيف يعمل

ملف PDF «نصي» (يتم إنتاجه بواسطة معالج نصوص أو تصدير ويب أو برنامج فوترة، على سبيل المثال) يحتوي على محتواه كأحرف حقيقية، حتى لو كنت تراها فقط من خلال تخطيط. تقرأ هذه الأداة هذا المحتوى النصي صفحة بصفحة وتجمعه في منطقة نص واحدة، مع فاصل بين كل صفحة، بحيث يمكنك نسخه ولصقه أو تنزيله دون الحاجة إلى إعادة كتابة المستند يدويًا.

لماذا لا تعطي بعض ملفات PDF أي نص؟

ملف PDF الناتج عن ماسح ضوئي أو صورة لمستند هو في الواقع صورة: لا يوجد نص مخزن فعليًا في الملف، فقط بكسلات. لا تقوم هذه الأداة بالتعرف الضوئي على الحروف (OCR)، وبالتالي لا يمكنها استخراج نص منه — وهذا قيد صريح للصيغة الأصلية، وليس خللًا في الأداة.

هل يتم الحفاظ على التخطيط (الأعمدة، الجداول)؟

لا، عن قصد: يحتفظ الاستخراج بالنص الخام فقط، بالترتيب الذي يظهر به في تدفق PDF. لذلك قد تظهر الأعمدة أو الجداول أو التنسيقات المعقدة بترتيب مختلف عن قراءتها البصرية المعتادة.

معالجة محلية 100% في متصفحك (WebAssembly) — لا يتم إرسال محتوى مستندك إلى خادم أبدًا.