التعرف على النص في PDF (OCR) — بدون رفع

ضع طبقة نص غير مرئية وقابلة للبحث فوق صفحات PDF الممسوحة ضوئياً أو الموجودة كصورة. يعمل التعرف بالكامل في متصفحك، ولا يُرفع ملفك أبداً.

غالباً ما تحتوي العقود والفواتير والكتب الممسوحة ضوئياً على صورة صفحة فقط، لا نص حقيقياً — لا يمكن البحث فيها ولا نسخ النص منها. يتعرّف mousePDF على النص محلياً في المتصفح ويضعه بشكل غير مرئي فوق الصورة، بحيث يصبح البحث والنسخ ممكنين دون أن يتغير مظهر الصفحة.

يُعد OCR من المهام التي تكاد تحتّم رفع شيء ما: يحتاج التعرف إلى نموذج لغوي، وعادة ما يكون هذا موجوداً على خادم. هنا يعمل في متصفحك؛ الذي يُحمَّل هو النموذج فقط، وليس ملفك أبداً.

هذا مهم بالتحديد في المستندات التي عادة ما تُمسح ضوئياً: العقود، كشوف الرواتب، رسائل الأطباء، نسخ الهويات. المسح الضوئي صورة — وقبل أن يصبح قابلاً للبحث، يجب أن يقرأه شيء ما. وهذا الشيء يعمل على جهازك أنت، في متصفحك — هذا هو الفرق الحقيقي.

يتوفر 28 لغة لـ OCR. يُحمَّل نموذج اللغة المختارة فقط عند التشغيل الفعلي — بذلك تبقى الصفحة خفيفة، ولا تُحمِّل إلا ما تحتاجه فعلاً.

الأنظمة الكتابية غير اللاتينية غير مدعومة عمداً. لا سيريلية، ولا صينية أو يابانية أو كورية، ولا عربية أو عبرية أو ديفاناغري أو تايلاندية. النماذج اللازمة لذلك أكبر بكثير، ونسبة الدقة أقل بشكل ملحوظ — نتيجة يجب تصحيحها حرفاً بحرف لا تفيد أحداً. اليونانية مُدرَجة لأنها لا تقع في نفس هذه الفئة من هذه الناحية.

التعرف ليس خالياً من الأخطاء أبداً. فهو يقرأ من البكسلات ما كان نصاً في وقت ما. المسح النظيف والمستقيم يعطي نتائج ممتازة جداً؛ أما صورة الهاتف المائلة في إضاءة سيئة، أو خط يد غير واضح، أو خط زخرفي غير مألوف، فتعطي نتائج أسوأ بوضوح. من يعيد استخدام النص يجب أن يراجعه — وهذا ينطبق على أي نسخة معالَجة بـ OCR، وليس فقط هذه.

مظهر الصفحة لا يتغيّر. يُوضع النص المتعرَّف عليه كطبقة غير مرئية فوق الصورة: تظل ترى مسحك الضوئي، لكن يمكنك البحث فيه وتحديده. لذلك لا تظهر أخطاء التعرف في الصورة — تظهر فقط عندما تنسخ النص.

يفيد OCR أيضاً بعد ضغط ملف PDF: في هذه العملية تتحول الصفحات إلى صور وتفقد طبقة النص — يعيد التعرف على النص إنشاءها من جديد.

افتح المحرر →