استخراج النص العربي من PDF ممسوح ضوئيًا ومراجعته

تفتح ملف PDF عربيًا فتقرأ الصفحة بوضوح، لكنك لا تستطيع تحديد كلمة منها ولا البحث فيها. السبب غالبًا أن الصفحة صورة لورقة، لا نص محفوظ داخل المستند. تساعدك أداة التعرّف الضوئي على النصوص على استخراج الكلمات من هذه الصورة، وتبقى الخطوة الأهم بعدها: مراجعة النتيجة بمقارنتها بالصفحة الأصلية.

استخراج النص من PDF ممسوح ضوئيًا لا يعيد إنشاء المستند الأصلي. تحصل على نص يمكنك الاستفادة منه، لكن صحة الأسماء والأرقام وترتيب القراءة مسؤوليتك أنت.

كيف تعرف أن الصفحة صورة؟

جرّب تحديد كلمة واحدة، ثم ابحث عن كلمة ظاهرة في وسط الصفحة. إذا نجحت إحدى العمليتين فقد توجد طبقة نصية بالفعل ولا حاجة إلى OCR. وإذا ظهر النص رموزًا عند اللصق فاقرأ نسخ النص العربي من PDF قبل أن تقرأ الصفحة كلها من جديد.

لماذا تصعب العربية على القراءة الضوئية؟

يحلل برنامج OCR الصورة ثم يخمّن الحروف التي تمثلها الأشكال، وفي العربية ما يزيد هذا التخمين صعوبة:

• النقاط: تتشابه حروف كثيرة في الشكل وتختلف بعدد النقاط وموضعها، كالباء والتاء والثاء والنون والياء. وإذا ضاعت نقطة في مسح ضعيف تحوّلت الكلمة إلى كلمة أخرى.
• الهمزات والتاء المربوطة: الفرق بين «أ» و«إ» و«ا»، وبين «ة» و«ه»، وبين «ى» و«ي»، تفصيل صغير يسهل أن يضيع.
• الاتصال: حروف الكلمة متصلة، وهذا يصعّب تحديد حدود كل حرف.
• الحركات: علامات التشكيل الصغيرة قد تُهمل أو تُقرأ خطأً، فلا تعتمد على النص المقروء في مستند مشكّل دون مقارنته بالأصل.
• الاختلاط: السطر الذي يجمع العربية مع أسماء إنجليزية أو أرقام أو رموز، كاسم شركة أو رقم فاتورة، هو أكثر الأسطر عرضة لضياع كلمات أو لتبديل ترتيبها.
• الأرقام: قد تكتب الصفحة أرقامها بالشكل الهندي (٢٠٢٦) أو الغربي (2026)، وبفاصل عشري عربي «٫» وفاصل آلاف «٬»، وقد يضيع فاصل أو تتحول علامة إلى أخرى فتتغير قيمة المبلغ.

لذلك لا نعد بدقة كاملة. تُقرأ الصفحات الواضحة المستقيمة على أفضل وجه، وتضعف النتيجة مع الصور الباهتة والمائلة والمضغوطة بشدة ومع الخط اليدوي.

جهّز الصفحة قبل القراءة

• صفحة مستقيمة: إذا كانت الصفحة ملتفة فاستخدم تدوير صفحات PDF. وإذا كانت مائلة قليلًا فجرّب أداة «تصحيح ميل الصفحات».
• مسح أفضل إن أمكن: تجنب الظلال والحواف المقطوعة والضغط الشديد للصورة. تكبير صورة ضبابية لا يعيد التفاصيل التي ضاعت منها.
• صفحتان للتجربة: اختر صفحة عادية وصفحة صعبة، كصفحة فيها جدول أو حاشية صغيرة أو ختم يتداخل مع الكلمات، وجرّبهما قبل أن تقرأ عشرات الصفحات.

خطوات استخراج النص في GenPDF

1. افتح الملف واختر الصفحات

افتح الملف في أداة التعرّف الضوئي على النصوص (OCR) أو من «كل الأدوات» في المحرر، واختر الصفحات في خانة «الصفحات المراد قراءتها». لا تطلب الملف كله إن كنت تحتاج صفحتين منه؛ فالصفحات الممسوحة محسوبة ضمن حد يومي، وهو 5 صفحات في الخطة المجانية.

2. وافق على القراءة

قراءة الصفحة الممسوحة تختلف عن تعديل نص موجود داخل متصفحك، إذ تُرسل فيها صورة الصفحة إلى خادمنا لتُقرأ ثم تُحذف فور عودة النص، ويبقى باقي المستند على جهازك. وإذا فتحت الملف واخترت «تعديل النص» فستسألك رسالة «هل تريد قراءة الصفحات الممسوحة ضوئيًا؟» وفيها «قراءة الصفحات الممسوحة» و«ليس الآن». اقرأها قبل المتابعة، وراجع صفحة الأمان إن كان المستند حساسًا.

3. راجع الأسطر المقروءة

بعد القراءة تظهر الأسطر المقروءة في تبويب «النص»، ويكتب GenPDF تحت كل سطر نسبة دقة قراءته، مثل «من المسح الضوئي · بدقة 92%». ويُعلَّم السطر الذي يصعب قراءته بخط منقط وملاحظة «راجع هذا النص: كان من الصعب قراءته». وإذا بدا رقم مشكوكًا فيه ظهرت ملاحظة «راجع هذا الرقم: ربما قُرئ قراءة خاطئة».

لا تنتقل إلى بقية الصفحة قبل أن تقارن فقرة قصيرة بالصورة سطرًا سطرًا. فإن وجدت خطأً يتكرر في حرف بعينه فسيتكرر في بقية الصفحات.

4. احفظ النص في الملف

اضغط «اجعل النص قابلًا للتعديل». يكتب GenPDF الأسطر في الملف نصًا غير مرئي فوق الصورة، فتبقى الصفحة بمظهرها ويصبح البحث والنسخ والتحديد ممكنًا. بعد ذلك نزّل الملف، ثم أعد فتح النسخة وجرّب البحث والنسخ منها.

ما الذي تراجعه؟

ابدأ بما يغيّر الخطأ فيه المعنى: اسم الشخص، ورقم الملف، والمبلغ، والتاريخ. ثم راجع الهمزات والنقاط والتاء المربوطة والفواصل بين الكلمات.

مثال: فاتورة مصوّرة

تخيّل فاتورة مصوّرة باسم «مؤسسة الأفق للخدمات»، صادرة إلى العميل «سعاد المنصوري»، رقمها 4087، وتاريخها 12/03/2026، ومبلغها 1,250. الأسماء والأرقام هنا مختلقة لغرض الشرح، وهذا المثال لا يمثل نتيجة قراءة فعلية لملف. بعد القراءة قارن:

• هل بقي الاسم بحروفه كاملة، بلا حرف زائد أو ناقص؟
• هل بقي الرقم 4087 كما هو دون رقم مجاور؟
• هل التاريخ بترتيب اليوم والشهر والسنة كما في الصورة؟
• هل بقيت الفاصلة في 1,250؟ لا تستبدل الفواصل في الملف كله آليًا قبل أن تعرف كيف تكتب أرقام المستند.

الجداول والأعمدة

في الجدول اتبع كل صف من عنوانه إلى قيمته. لا تكتفِ بأن تجد الأرقام كلها في النص؛ فقد يختلف ترتيب استخراجها عن ترتيب الخلايا. وفي الصفحات ذات العمودين تأكد من اكتمال العمود الأول قبل الانتقال إلى الثاني.

أمثلة أخرى

استمارة جامعية ممسوحة: راجع رقم القيد والتخصص وتاريخ الميلاد. عقد إيجار قديم مصوّر: راجع أسماء الطرفين وبداية المدة ومبلغ الإيجار. نموذج حكومي: راجع أرقام الوثائق رقمًا رقمًا؛ فقد يؤدي خطأ في رقم واحد إلى رفض الطلب.

فحوص سريعة بعد الحفظ

• ابحث عن اسم ظهر في الصورة. إن لم يعثر البحث عليه فلعل حرفًا فيه قُرئ خطأً.
• انسخ سطرًا إلى برنامج آخر وانظر هل بقي ترتيب الكلمات سليمًا.
• افتح النسخة المحفوظة في قارئ PDF آخر وكرر البحث.
• اعرض صفحة المبالغ جنبًا إلى جنب مع الصورة الأصلية.

للصفحات الصعبة: قراءة بالذكاء الاصطناعي

حين يكون الذكاء الاصطناعي مفعّلًا على الخادم، يظهر في تبويب «النص» زر «اقرأ هذه الصفحة بالذكاء الاصطناعي»، وهو متاح في الخطط المدفوعة. يطّلع النموذج على صورة الصفحة ويصحح الحروف التي أخطأ قارئ المسح الضوئي في قراءتها، ولا يغيّر المواضع. تُرسل الصورة عبر خادمنا إلى نموذج الذكاء الاصطناعي، وهي تُظهر كل ما في الصفحة من أسماء وأرقام وتواقيع، ولذلك يسألك GenPDF في كل مرة. ولم نقس بعد مدى دقة هذه القراءة على الصفحات العربية الممسوحة، فراجع النتيجة كما تراجع أي قراءة أخرى.

حدود يجب أن تعرفها

• الخط اليدوي والصفحات الباهتة أو المائلة تعطي نتائج أضعف، وقد تحتاج إلى إعادة المسح.
• القراءة تعطيك كلمات، لا خلايا جدول جاهزة للتعديل.
• النص المقروء ليس نسخة طبق الأصل من الصفحة، ولا يغني عن المراجعة.
• قد يُقرأ رقم خطأً بثقة عالية، وفحص الأرقام يعلّم المشكوك فيه فقط ولا يكشف كل خطأ.
• تُترك الأسطر المكتوبة بزاوية أو التي لا يوجد خط متاح يرسم حروفها، ويذكر GenPDF عددها.
• النص المقروء من صورة لا تتناوله ميزة الترجمة داخل التصميم حاليًا.

بعد الاستخراج

للكلمات وحدها راجع نسخ النص العربي وتصديره. ولملف قابل للتنسيق استخدم تحويل PDF عربي إلى Word بعد فحص النص. ولتغيير كلمات ظاهرة على الصورة نفسها اقرأ تعديل ملف PDF ممسوح ضوئيًا. وإن أردت قراءة أكثر من 5 صفحات في اليوم فتفاصيل الخطط في صفحة الأسعار.

تشرح وثائق Adobe للتعرّف على النص في الملفات الممسوحة وظيفة طبقة النص القابلة للبحث. ووجود هذه الطبقة لا يثبت وحده أن الجداول بُنيت.

عن هذا الدليل

أُعدّ الدليل في 16 أكتوبر 2026 من واجهة المنتج ووثائقه، وراجعنا نصه في 23 أكتوبر 2026. الصور من أمثلة سابقة والمخطط إرشادي. لم تُرسل ملفات شخصية إلى خدمة تعرّف، ولم نقِس نسبة دقة جديدة في هذه المراجعة. كُتب النص بمساعدة أداة ذكاء اصطناعي.