الصورة إلى PDF قابل للبحث - مولّد طبقة نص OCR

ملف PDF الصوري العادي عبارة عن صورة مسطّحة مغلّفة في حاوية .pdf — لا تستطيع تحديد النص فيها أو نسخه أو البحث فيه. أما ملف PDF القابل للبحث فيحتوي على طبقة نص OCR غير مرئية محاذية خلف كل حرف ظاهر، بحيث يجد Ctrl+F الكلمات ويعمل النسخ ويمكن لقارئات الشاشة قراءة الصفحة بصوت عالٍ مع بقاء المظهر البصري مطابقًا.

يقرأ محرك OCR كل كلمة ويخزّن نصها وإطارها المحيط خلف الصورة الأصلية عند إحداثيات البكسل الدقيقة. تبدو الصفحة بصرياً مطابقة للمسح الأصلي، لكن يمكن الآن لـ Adobe Acrobat و Preview و Chrome وكل عارض PDF حديث تحديد النص والبحث فيه ونسخه كما لو كان نصاً رقمياً أصلياً.

نعم. طبقة النص هي PDF قياسية (دون امتداد خاص)، لذا يفهرسها ويبحث فيها كل من Adobe Acrobat (Reader وPro) وMacOS Preview وعارض PDF المدمج في Chrome وFirefox وEdge وقارئات الجوال مثل تطبيق الملفات وDrive وDropbox. ويعثر Ctrl+F أو Cmd+F على الكلمات خلال ثوانٍ، حتى في التقارير الممسوحة الطويلة.

نعم. مرِّر عدة رموز لغات (مثل eng+chi_sim+hin) فيأخذها OCR جميعها في الحسبان عند قراءة الأحرف. وتعمل المستندات متعددة الكتابات مثل القوائم ثنائية اللغة والعقود الدولية والنماذج الحكومية بسلاسة. وللحصول على أفضل النتائج، ضع اللغة الأرجح أولاً في القائمة.

تضيف طبقة النص عادةً 5–15% إلى حجم ملف PDF — أي بضع مئات من الكيلوبايتات لكل 100 صفحة في العادة. مقارنةً بالفائدة (البحث في النص الكامل عبر أرشيف مستنداتك بأكمله)، فهو ثمن زهيد. إذا كان الحجم مهماً للبريد الإلكتروني، فمرّر النتيجة عبر أداة ضغط PDF لتقليص الصور المضمّنة الكبيرة أكثر.

تُعالج الملفات المرفوعة في مجلد عمل مؤقت وتُحذف تلقائيًا خلال دقائق من اكتمال التحويل. لا ندرّب النماذج أبدًا على ملفات المستخدمين، ولا نشاركها أبدًا، ولا نضيف علامات مائية أبدًا. وهذا يجعل الأداة آمنة للأرشيفات الممسوحة ضوئيًا في المجالات القانونية والموارد البشرية والطبية والمحاسبية حيث تكون السرية في غاية الأهمية.

تقرأ هذه الأداة ملفات الصور (JPG وPNG وTIFF والمسوحات والصور) وتُعيد ملف PDF قابلاً للبحث. وإذا كان لديك بالفعل ملف PDF ممسوح متعدد الصفحات، فقسّمه أولًا إلى صور صفحات باستخدام أداة PDF إلى صور، ثم أسقط تلك الصور هنا لاستعادة ملف PDF واحد قابل للبحث ومعالَج بـ OCR.

ارفع JPG أو PNG أو WEBP أو GIF أو TIFF أو BMP — تعمل جميعها مع صور الهاتف ومسوحات الماسح المسطّح ولقطات الشاشة. يقرأ محرك OCR النص ويغلّفه في طبقة غير مرئية خلف الصورة، فتكون النتيجة ملف PDF عاديًا قابلًا للبحث يُفتح في أي عارض.

Searchable PDF needs an embedded hOCR text layer with per-word bounding boxes, which only the Tesseract-based engines (Engine 1 and Engine 2) can produce — the PaddleOCR 'Default' engine used elsewhere in the app can't generate that layer. Engine 1 is the standard Tesseract pass with the widest language support; Engine 2 can do better on stylised or lower-quality scans.

Open the Language picker in Settings and choose the document's language (English by default) — this is the single most important setting for OCR accuracy, since the engine's character recognition is language-specific. Click Re-run conversion after changing it to rebuild the PDF with a fresh text layer.

Pick Engine 1 for its broader language coverage, and set the Language picker to the contract's primary language. If key sections in a second language still aren't matching when you search, re-run the conversion with Engine 2 or the secondary language selected on a second pass.

It updates automatically — switching the Engine or Language dropdown immediately reprocesses the uploaded image and rebuilds the searchable PDF with the new setting, with no click required. The Re-run conversion button is mainly useful for retrying the exact same settings again, for example after a failed conversion or a brief network drop.