استخراج النص العربي من الصور والمستندات الممسوحة
ملف PDF ممسوح أو صورة لصفحة. التعرف على العربية والإنجليزية يعمل على جهازك، ولا يغادر المستند جهازك.
التعرف الضوئي على الحروف لا يكون مثاليًا أبدًا. راجع الأرقام والأسماء قبل استخدام النص. الأرقام والجداول أقل دقة من النص العادي.
النتيجة من صورة التُقطت بالهاتف جزئية. صوّرت بالهاتف؟ عدّل الصفحة أولًا هنا فيصبح التعرّف أفضل. المسح الضوئي، حتى بتطبيق ماسح، يعطي نصًا أفضل بكثير.
كيف تعمل الأداة
- اسحب المستند الممسوح. ملف PDF ممسوح، أو صورة بصيغة PNG أو JPG أو WEBP.
- انتظر بضع ثوانٍ لكل صفحة. في المرة الأولى ينزل نموذج اللغة العربية (نحو 4.6 ميغابايت). بعد ذلك يبقى على جهازك.
- انسخ وراجع. انسخ النص، أو نزّله بصيغة TXT أو Word. وراجع الأرقام والأسماء قبل استخدامه.
ما هو التعرف الضوئي على الحروف (OCR)، وماذا تتوقع منه بالعربية
المستند الممسوح هو صورة لصفحة. يمكنك قراءته، لكن لا يمكنك تحديد كلمة فيه ولا نسخها ولا البحث فيه. يمر التعرف الضوئي على الحروف على الصورة ويتعرف على الحروف ويعيد نصًا عاديًا.
ما يعمل جيدًا: النص المطبوع بخط عادي، في صفحة مستقيمة وواضحة وذات تباين جيد. الرسائل والنماذج المطبوعة والمقالات.
ما يعمل بدرجة أقل: الأرقام، وخصوصًا الأرقام الهندية (٠١٢٣) والتواريخ. قد تخرج رقمًا خاطئًا. والجداول تخرج أسطرًا متفرقة بلا بنية جدول. كما أن الصورة الضبابية أو المائلة والخط الصغير جدًا يرفعان عدد الأخطاء. الخط اليدوي غير مدعوم.
لا يوجد برنامج تعرف ضوئي مثالي. لذلك راجع دائمًا الأرقام والمبالغ وأرقام الهوية والأسماء قبل أن تعتمد على النص.
ما تحصل عليه: نص. وليس ملف PDF قابلًا للبحث، ولا نسخة من تنسيق الصفحة.
نصيحة لنتيجة أفضل: صوّر في ضوء النهار والهاتف مستقيم فوق الصفحة. وإذا كان ملف PDF يحتوي أصلًا على نص يمكن تحديده، فلا تحتاج إلى هذه الأداة.
ولماذا يهم أن يعمل ذلك على جهازك؟ لأن ما تمسحه ضوئيًا غالبًا هويات وعقود ورسائل طبية وكشوف رواتب. هنا لا يُرفع المستند إلى أي خادم.
لماذا هنا
- مستندك لا يغادر جهازك. حتى نموذج التعرف ينزل من موقعنا فقط. في المرة الأولى يحتاج التنزيل مع المحرك إلى بعض الوقت (نحو 8 ميغابايت)، وبعده يمكنك قطع الإنترنت وستواصل الأداة العمل.
- عربية وإنجليزية في المستند نفسه، بدون اختيار لغة.
- مجانًا، بدون تسجيل، وبدون حد يومي.
أسئلة شائعة
ما هو OCR؟
هو التعرف الضوئي على الحروف. يمر البرنامج على صورة صفحة، ويتعرف على الحروف، ويعيد نصًا يمكن نسخه والبحث فيه وتعديله.
ما مدى دقته بالعربية؟
يعتمد على جودة المسح. في النص المطبوع الواضح المستقيم تكون النتيجة جيدة. أما الصورة الضبابية أو الخط الصغير أو الأرقام الهندية والجداول ففيها أخطاء أكثر. راجع الأرقام والأسماء دائمًا.
هل يتعرف على الخط اليدوي؟
لا. الأداة مخصصة للنص المطبوع، والخط اليدوي غير مدعوم.
ماذا عن التشكيل؟
لا نعد بدقة مع التشكيل. في النص المشكول تكثر الأخطاء، وقد تضيع علامات التشكيل أو تخرج خاطئة.
كم صفحة يمكنني معالجتها دفعة واحدة؟
كل صفحات الملف، واحدة بعد الأخرى. كل صفحة تحتاج إلى بضع ثوانٍ، لذلك يستغرق الملف الطويل وقتًا أطول، خصوصًا على الهاتف.