صوّرت المستند بتطبيق ماسح يقول إنه يحفظ PDF قابل للبحث، هل الأداة تقدر تطلع نصه؟
نعم، إن كان التطبيق أضاف طبقة نص فعلًا. الأداة تقرأ تلك الطبقة كأي نص آخر فتحصل على الكلمات. وإن لم يضفها، ستُظهر الأداة الصفحات على أنها ممسوحة ولن تستخرج شيئًا، لأنها لا تقوم بالتعرف الضوئي بنفسها. أي أخطاء في الكلمات مصدرها التعرف الضوئي في التطبيق، فراجع الأسماء والأرقام.
ماذا يعني PDF قابل للبحث؟
تطبيق الماسح يلتقط صورة للورقة، ثم يحاول قراءة الحروف فيها بتقنية التعرف الضوئي. إن نجح، يضع الكلمات التي قرأها كطبقة نص شفافة فوق الصورة في المكان نفسه تقريبًا. ترى أنت الصورة، لكن الملف يحمل تحتها نصًا يمكن البحث فيه ونسخه. هذه الطبقة هي ما تقرؤه استخراج النص من PDF، فهي لا تفرق بين نص صدّره برنامج وورد ونص وضعه تطبيق ماسح.
كيف تعرف إن كانت الطبقة موجودة؟
الأداة تصنف كل صفحة بقاعدة بسيطة: إن وجدت فيها حروفًا فهي صفحة نص، وإن لم تجد حروفًا لكنها وجدت صورة فهي ممسوحة.
صفحة فاتورة مصورة بتطبيق أضاف طبقة نص فيها Invoice 1042: تُصنف صفحة نص، ويظهر النص وعدد أحرفه.
الصفحة نفسها من تطبيق لم يضف طبقة نص، أو حُفظت كصورة فقط: تُصنف ممسوحة، وتظهر رسالة أنها لا تحتوي على طبقة نص.
بعض التطبيقات لا تضيف طبقة النص إلا بعد تفعيل خيار معين، أو حين تختار صيغة حفظ محددة. إن خرجت كل الصفحات ممسوحة، فراجع إعدادات التصدير في التطبيق، ثم احفظ الملف من جديد.
دقة النص ليست من الأداة
الأداة تنقل ما في الطبقة كما هو، ولا تصحح شيئًا. إن قرأ التطبيق الرقم 8 كحرف B أو الصفر كحرف O، فستحصل على ذلك الخطأ بالضبط. هذه أماكن تستحق المراجعة دائمًا:
- أرقام الفواتير والهواتف والحسابات البنكية، فخطأ واحد يغير المعنى كله.
- الأسماء، خاصة الأسماء العربية المكتوبة بخط اليد أو بخط مزخرف.
- المبالغ والفواصل العشرية.
- النص العربي عمومًا، فجودة التعرف عليه تختلف كثيرًا من تطبيق لآخر.
شكل الأسطر قد يكون أقل ترتيبًا
طبقة النص من التعرف الضوئي توضع فوق الصورة بشكل تقريبي، وقد تميل قليلًا إن صُوّرت الورقة مائلة. بما أن الأداة تبني الأسطر من ارتفاع كل قطعة نص، فقد ينقسم سطر مائل إلى سطرين، أو تنضم كلمة إلى السطر المجاور. صوّر الورقة مستوية ومن فوقها مباشرة لتحصل على طبقة أنظف ونص مستخرج أفضل ترتيبًا.
أسئلة شائعة
هل تستطيع الأداة إضافة طبقة نص لملف ممسوح؟
لا، هي تقرأ الموجود فقط. إضافة الطبقة عمل برنامج أو تطبيق تعرف ضوئي.
النص المستخرج فيه رموز غريبة، لماذا؟
غالبًا لأن التعرف الضوئي في التطبيق أخطأ في قراءة تلك المواضع. قارنها بالصورة في الملف الأصلي.
هل يُرفع الملف لقراءة طبقة النص؟
لا، القراءة كلها داخل متصفحك.