كيف أعرف إذا كان ملف PDF اللي وصلني نص حقيقي أو مجرد صور ممسوحة قبل ما أعتمد عليه في الأرشيف؟

لماذا يهمك هذا قبل الأرشفة؟

ملفان يبدوان متطابقين على الشاشة قد يختلفان تمامًا من الداخل. الأول فاتورة صدّرها نظام المحاسبة، وفيها حروف حقيقية تستطيع البحث فيها عن رقم فاتورة بعد سنة. الثاني الفاتورة نفسها مطبوعة ثم ممسوحة بالماسح، وهي صورة فقط. إن أرشفت الثاني معتقدًا أنه الأول، فلن يجده البحث في مجلدك أبدًا حين تحتاجه.

الفحص في دقيقة

1. افتح استخراج النص من PDF واختر الملف.
2. في ملف طويل لا داعي لقراءة كل الصفحات: اكتب عينة في خانة الصفحات، مثل 1 5 10.
3. اختر «كل صفحة على حدة» واضغط «استخراج النص».
4. اقرأ سطر الملخص، ثم انظر إلى عنوان كل صفحة: يظهر بجانبه عدد الأحرف أو عبارة «بلا طبقة نص».

كيف تقرأ النتيجة؟

لكل صفحة ثلاث حالات فقط. الأداة تصنفها بقاعدة بسيطة: إن وُجدت حروف فهي صفحة نص، وإن لم توجد حروف لكن الصفحة ترسم صورة فهي على الأرجح ممسوحة، وإن لم يوجد لا هذا ولا ذاك فهي فارغة.

حالات تخدعك

• ملف ممسوح لكن تطبيق الماسح أضاف إليه طبقة نص من تعرّفه الضوئي: الأداة تراه نصًا لأنه فيه حروف فعلًا. اقرأ عينة من النص المستخرج لتتأكد أن الكلمات صحيحة لا مجرد رموز.
• صفحة فيها سطر نص واحد، مثل ختم تاريخ أضافه النظام، فوق صورة ممسوحة: تُعد صفحة نص، لكن عدد أحرفها الصغير يكشفها. صفحة فاتورة حقيقية فيها مئات الأحرف لا عشرات.
• النص العربي قد يخرج بترتيب مقلوب في بعض الملفات. هذا لا يعني أن الصفحة ممسوحة، بل أن البرنامج المنتج كتب النص بطريقة خاصة.

إن احتجت أرشفة ملف ممسوح بشكل قابل للبحث، فالحل برنامج تعرف ضوئي على الحروف، وهو غير موجود في هذه الأداة. وإن أردت فقط رؤية الصفحة الممسوحة كصورة لتتأكد من محتواها، فحوّلها عبر تحويل PDF إلى صور.