OCR للـ PDF — حوّل المستند الممسوح ضوئياً إلى نص قابل للبحث

مسحت عقداً من عشرين صفحة وتحتاج الوصول إلى بند واحد بعينه — فتضطر إلى قراءة كل صفحة بعينيك لأن Ctrl+F لا يجد شيئاً. السبب: الماسح الضوئي ينتج صوراً، لا نصاً. تقنية التعرّف الضوئي على الحروف (OCR) تقرأ هذه الصور وتحوّل ما فيها إلى نص حقيقي، فيصبح ملفك قابلاً للبحث والنسخ والاقتباس — كل ذلك من المتصفح مجاناً.

كيف يعمل الأمر: طبقة نص غير مرئية

الفكرة أذكى مما تتوقع. الأداة لا تستبدل صورة المسح الضوئي ولا تغيّر شكلها بأي بكسل — بل تضيف فوقها طبقة نص حقيقية شفافة في المواضع الدقيقة لكل كلمة. النتيجة ملف يبدو مطابقاً للأصل تماماً عند العرض والطباعة، لكن خلف الكواليس صار نصاً كاملاً:

• البحث بـ Ctrl+F يجد أي كلمة في أي صفحة.
• التحديد والنسخ يعملان كأي مستند رقمي — انسخ فقرة كاملة والصقها في Word.
• محركات البحث وأنظمة الأرشفة تفهرس المحتوى وتجده.

نستخدم محرك Tesseract مفتوح المصدر — من أنضج محركات OCR في العالم — وهو يدعم العربية وعشرات اللغات الأخرى، من الإنجليزية والفرنسية إلى الصينية واليابانية.

كيف تفعلها خطوة بخطوة

متى تنخفض الدقة؟

للنصوص المطبوعة الواضحة — كتب، عقود، فواتير، مراسلات رسمية — الدقة عالية جداً. لكن كن واقعياً مع الحالات الصعبة: خط اليد تتعرّف عليه المحركات المجانية بشكل ضعيف، فالحروف المتصلة المكتوبة يدوياً تحتاج نماذج ذكاء اصطناعي متخصصة. كذلك المسح المائل أو منخفض الدقة أو الصفحات الباهتة تقلّل جودة النتيجة — امسح بدقة 300 نقطة في البوصة كلما أمكن.

ملاحظة عملية أخيرة: ملفات المسح الضوئي ثقيلة أصلاً، وطبقة النص تضيف حجماً بسيطاً فوقها. إن كان الملف الناتج كبيراً، مرّره على ضغط PDF لتقليص حجمه قبل الإرسال بالبريد.

الأسئلة الشائعة

هل يتغيّر شكل المستند بعد OCR؟

لا، إطلاقاً. صورة المسح الأصلية تبقى كما هي بكل تفاصيلها، والنص يُضاف كطبقة شفافة فوقها. عند العرض أو الطباعة لن تلاحظ أي فرق — الفرق الوحيد أن البحث والنسخ صارا يعملان.

هل يتعرّف على النص العربي جيداً؟

نعم. محرك Tesseract يدعم العربية بدقة جيدة جداً للنصوص المطبوعة، ويتعامل مع اتجاه الكتابة من اليمين إلى اليسار. اختر «العربية» كلغة المستند لأفضل نتيجة، وكلما كان المسح أوضح كانت الدقة أعلى.

هل يقرأ خط اليد؟

بصراحة: بشكل ضعيف. المحركات المجانية — بما فيها Tesseract — مصمّمة للنصوص المطبوعة، وخط اليد المتصل يربكها كثيراً. قد تلتقط كلمات متفرقة من خط يدوي واضح جداً، لكن لا تعتمد على ذلك في مستندات مهمة.

الملف الناتج كبير — ماذا أفعل؟

هذا طبيعي مع ملفات المسح الضوئي. استخدم ضغط PDF بعد الـ OCR — يقلّص حجم الصور بذكاء مع بقاء طبقة النص القابلة للبحث سليمة.