قراءة PDF الممسوح ضوئياً (OCR)

طريقة الاستخدام

1. اختر الملف الممسوح ضوئياً بالزر اختر ملفاً. يظهر عدد صفحاته تحت الاسم.
2. اترك الصفحات فارغة لقراءة أول 20 صفحة، أو اكتب صفحات مثل 1-3، 8. تُقرأ 20 صفحة كحد أقصى في التشغيل الواحد.
3. اختر لغة النص، ثم اضغط اقرأ النص. تظهر كل صفحة تحت عنوانها عند قراءتها؛ ويوقف إلغاء التشغيل في أي وقت.
4. تحقّق من الصفحات المعلَّمة بأنها غير مؤكدة مع الممسوح، ثم اضغط نسخ، أو تنزيل لحفظ ملف .txt.

كيف تُقرأ الصفحات

تُرسم كل صفحة من ملف PDF بدقة 300 نقطة في البوصة، وتُصغَّر الصفحة الكبيرة جداً حتى تبقى ضمن ذاكرة المتصفح. تقرأ Tesseract، وهو محرك OCR مفتوح المصدر، الصورة، ويعمل في عامل ويب فتبقى الصفحة مستجيبة. يعثر المحرك على أسطر النص، ثم يقرأ كل حرف بشبكة عصبية دُرِّبت على النص المطبوع باللغة المختارة. ملفات اللغات هي النماذج السريعة من tessdata_fast.

ما الذي يجعل المسح يُقرأ جيداً

يُقرأ النص المستقيم الحاد الداكن على صفحة نظيفة بأفضل صورة، من مسح بدقة 200 نقطة في البوصة أو أكثر. الصفحة المائلة أو الباهتة أو التي عليها ظل تُقرأ بدقة أقل، وكذلك الخط الصغير جداً مثل الحواشي. لا تُقرأ الكتابة اليدوية والخطوط الزخرفية بموثوقية، لأن المحرك صُنع للنص المطبوع. تُعرض الصفحة التي لا تحوي نصاً، كصفحة بيضاء أو رسم، على أنها بلا نص.

حدود التشغيل الواحد

يقرأ التشغيل الواحد 20 صفحة كحد أقصى. قد يستغرق بدء المحرك حتى دقيقتين، ثم دقيقة لكل صفحة؛ والتشغيل الذي يطول يُوقف، وتبقى الصفحات التي قرأها في المربع. ثقة المحرك في كل صفحة تقديره الخاص لكلماتها، والصفحة التي تقل ثقتها عن 60 تُعلَّم للتحقق. وهذا دليل إرشادي لا برهان على أن كل كلمة صحيحة. ملف PDF الذي يحوي نصاً مخزناً لا يحتاج إلى OCR، وPDF إلى نص يقرأ النص المخزن كما هو.

الملف يبقى على جهازك

يُفتح ملف PDF ويُرسم داخل متصفحك بمكتبة pdf.js المفتوحة المصدر، ويقرأ المحرك الصور في عامل ويب. لا يُرفع شيء، ولا يُحفظ شيء في المتصفح أو على خادم الموقع. يُفرغ مربع النص عند مغادرة الصفحة.

الأسئلة الشائعة