Extract text from images — free

يعيد المحوّل بناء البنية المنطقية للمستند — العناوين والفقرات والقوائم وعناصر <table> الحقيقية والروابط والصور — بدلاً من مجرد تثبيت كل حرف عند إحداثيات X/Y كما تفعل بعض عارضات PDF. تتدفّق النتيجة بمرونة على الهاتف، وتُفهرس جيداً لمحركات البحث SEO، وتكون متاحة لقارئات الشاشة دون أي إعداد إضافي.

نعم. تتحول الجداول إلى عناصر <table> و<thead> و<tbody> و<tr> و<th> و<td> قياسية مع سمات scope سليمة على خلايا العناوين. وهذا يجعلها متوافقة مع قارئات الشاشة وقابلة للبحث وسهلة التنسيق باستخدام Bootstrap أو Tailwind أو إطار CSS الحالي لديك — دون حاجة إلى أي تحويل إضافي للكود.

نعم. الصق في WordPress أو Webflow أو Ghost أو Notion (كعنصر مُضمَّن) أو Confluence أو GitBook أو موقعك الثابت المخصص — فالكود لا يعتمد على أي مكتبات، ويجتاز التحقق وفق مواصفة W3C HTML5، ويُعرَض بشكل متطابق عبر Chrome وSafari وFirefox وEdge. وتُضمَّن الصور بصيغة Base64 أو تُستخرَج كملفات منفصلة حسب تفضيلك.

نعم. تشغِّل ملفات PDF الصورية فقط محرك OCR، الذي يستخرج النص ويعيد بناء التصميم قبل إنشاء HTML. وهذا يعني أنه حتى الأوراق البيضاء الممسوحة القديمة والتقارير المصوَّرة والمستندات المرسَلة بالفاكس يمكن إعادة نشرها كصفحات ويب عصرية متجاوبة بعناوين وفقرات وروابط سليمة.

نعم. تُستخرَج الصور المُضمَّنة وتُحسَّن (WebP أو PNG حسب المحتوى) ويُشار إليها عبر وسوم <img> مع ضبط سمتي العرض والارتفاع لتحميل ملائم لمعيار CLS. وقد تتسطّح المخططات المتجهة إلى صورة نقطية — وللحفاظ على الدقة المتجهة كاملة، استخدم PDF إلى صور وضمِّن النسخ بصيغة SVG يدوياً.

تُحذف الملفات المرفوعة خلال دقائق، ولا تُستخدم أبدًا لتدريب النماذج، ولا تُشارك أبدًا. ولا يحمل مخرَج HTML أي علامة مائية أو تعليق إسناد أو بكسل تتبّع. تستخدم الوكالات والفرق الداخلية الأداة لنقل ملفات PDF القديمة إلى مواقع CMS الحديثة دون أي مخاوف تتعلق بالتراخيص أو الخصوصية.

Open the Engine control group next to the preview, pick Default, Engine 1 or Engine 2, then choose the document's language from the searchable Language picker below it — over 100 languages are supported, including non-Latin scripts. After changing either setting, click Re-run extraction to regenerate the HTML with the new OCR pass.

Start with Default for common Latin-script languages — it's the fastest and most accurate for everyday documents. For less common scripts (Arabic, Hindi, Chinese) or when Default garbles headings and tables, switch to Engine 1 or Engine 2, set the matching Language, then Re-run extraction — different engines specialise in different scripts, so trying both takes seconds and often fixes misread accented characters.

Yes — the output panel shows an editable code box next to a live rendered preview, so typing a fix (removing a stray tag, adjusting a heading level, tweaking inline text) updates the preview pane immediately. Make all your corrections there before hitting download or copy, since both actions use whatever is currently in the code box, not the original OCR output.

Click Copy HTML above the output panel — it copies exactly what's in the editable code box, including any manual edits you've made, to your clipboard and briefly shows 'Copied!' to confirm. This is the quickest route when you're pasting straight into a CMS's HTML or embed block rather than uploading a file.

You can convert a PDF to HTML without creating an account. Signed-in free accounts get a daily allowance of conversions and see a small usage meter once they're near it, since scanned PDF pages route through OCR — Premium accounts don't see any cap.

No — there is no setting for this in the tool; how images are embedded in the output HTML is decided automatically and can't be switched in the UI, regardless of what some site copy suggests. If you need standalone image files for a CMS media library, export the pages separately with PDF to Images instead, which outputs PNG or JPG — not SVG — at your choice of 150, 200 or 300 DPI.