استخراج نص من PDF

تستخدم هذه الأداة pdf.js لتحليل ملف PDF واستخراج محتوى النص من كل صفحة. تقرأ طبقة النص المضمنة في PDF مع الحفاظ على ترتيب القراءة. يمكن نسخ النص المستخرج أو تنزيله كملف نصي عادي أو Markdown.

بعض ملفات PDF تستخدم خطوط مخصصة بترميز غير قياسي، أو تحتوي على نص كصور (مستندات ممسوحة ضوئياً). استخراج النص يعمل فقط لملفات PDF النصية. ملفات PDF الممسوحة تتطلب OCR غير مدعوم في هذه الأداة.

نعم، تتم جميع المعالجات بالكامل في متصفحك. لا يتم رفع ملفات PDF إلى أي خادم أبداً. يتم استخراج النص محلياً باستخدام مكتبات JavaScript.

نعم، يمكنك اختيار استخراج النص من جميع الصفحات أو تحديد نطاق صفحات (مثال: 1-3، 5، 7-10). يمكنك أيضاً اختيار تنسيق الإخراج نص عادي أو Markdown، وتبديل أرقام الصفحات.

النص العادي يعرض النص المستخرج بدون تنسيق. Markdown يحافظ على البنية الأساسية مثل العناوين والقوائم وفواصل الأسطر باستخدام صيغة Markdown، مما يسهل إعادة الاستخدام في المستندات أو الملاحظات.

لا، ملفات PDF الممسوحة ضوئياً تحتوي على صور النص بدلاً من الأحرف الفعلية. هذه الأداة تستخرج النص فقط من PDFs الرقمية التي تحتوي على طبقة نصية. للمستندات الممسوحة تحتاج أداة OCR.

نظراً لأن المعالجة تتم في متصفحك، يعتمد الحد على ذاكرة جهازك. ملفات PDF الكبيرة بمئات الصفحات قد تستغرق وقتاً أطول. للحصول على أفضل نتائج، قسّم الملفات الكبيرة جداً إلى أجزاء أصغر.

إذا كان PDF يحتوي على كلمة مرور فتح، ستحتاج إلى إلغاء قفله أولاً. إذا كان يحتوي فقط على كلمة مرور أذونات، قد يعمل الاستخراج. هذه الأداة لا تزيل كلمات مرور PDF.

يتم الحفاظ على التنسيق الأساسي مثل فواصل الأسطر وتباعد الفقرات. ومع ذلك، التخطيطات المعقدة والجداول والنص متعدد الأعمدة قد لا يُحافظ عليه تماماً. خيار Markdown يساعد في الحفاظ على العناصر الهيكلية.

بمجرد تحميل الصفحة، تعمل وظيفة استخراج النص الأساسية بدون إنترنت لأن جميع المعالجات تتم في متصفحك. ومع ذلك، تحتاج اتصال بالإنترنت لتحميل الأداة في البداية.