PDF ← استخراج النص

أكثر الأسباب شيوعًا هو أن ملف PDF ممسوح ضوئيًا: الصفحات عبارة عن صور ولا تحتوي على طبقة نص. أسباب أخرى تشمل ملفات PDF يُخزَّن فيها النص كمخططات أو بترميزات خطوط مخصصة لا تستطيع pdf.js تعيينها لأحرف قابلة للقراءة. تتطلب المستندات الممسوحة تقنية OCR لإنتاج نص.

لا. تقرأ هذه الأداة طبقة نص موجودة في ملف PDF. لا تُنفِّذ التعرف الضوئي على الحروف. لملفات PDF الممسوحة، استخدم أداة OCR التي تمرر صور الصفحات عبر محرك OCR محلي في متصفحك.

في متصفحك. تقرأ pdf.js بنية PDF محليًا، وتُحلِّل كائنات محتوى النص من كل تدفق صفحة، وتُجمِّع الإخراج في ذاكرة المتصفح. لا تغادر بيانات PDF جهازك في أي نقطة خلال هذه العملية.

لا. لا يحمل النص العادي معلومات الخط أو الحجم أو اللون أو الموضع. الإخراج نص غير منسق بترتيب القراءة كما تُحدده pdf.js. الجداول والتخطيطات متعددة الأعمدة والتنسيقات الخاصة تُسوَّى. لحفظ التخطيط بشكل غني، تُعدّ أدوات تحويل PDF إلى HTML أكثر ملاءمةً.

إذا كان ملف PDF محميًا بكلمة مرور مستخدم لفتحه، فيجب توفيرها لكي يكون الملف قابلًا للقراءة أصلًا. قد تحظر أيضًا قيود الاستخراج على مستوى المالك العملية. أزل تلك القيود أولًا باستخدام أداة إلغاء تأمين PDF ثم أعد الاستخراج.

لا. لا يوجد تسجيل ولا حساب. أسقط الملف، اقرأ المعاينة المستخرَجة، ونزّل ملف .txt.

نعم. تعمل pdf.js بالطريقة نفسها على متصفح الهاتف كما على الحاسوب المكتبي. انسخ النص المستخرَج أو نزّله مباشرة من صفحة الهاتف بمجرد انتهاء الاستخراج.