لمن يفيد هذا؟
- مطوّر أو باحث يحتاج نصاً خاماً ليعالجه ببرنامج أو يحلله.
- كاتب يريد لصق النص في موقع أو نظام إدارة محتوى دون تنسيق Word.
- من يريد البحث في كتاب مصوّر بأداة بحث عادية على حاسوبه.
- من يجهّز نصوصاً قديمة لترجمتها أو لإدخالها في قاعدة بيانات.
لماذا لا يكفي النسخ من الـ PDF؟
في الملف الممسوح لا يوجد نص تنسخه أصلاً. وفي ملفات PDF العربية التي فيها نص، يخرج النسخ كثيراً حروفاً منفصلة أو معكوسة، ومعه علامات اتجاه خفية لا تراها، لكنها تربك البرامج التي تلصق فيها.
ثم تأتي مشكلة الترميز: إذا فُتح النص العربي ببرنامج يفترض ترميزاً آخر، ظهرت مكانه رموز مثل «Ø§Ù„». النص في الملف سليم، لكن البرنامج يقرؤه بطريقة خاطئة.
كيف تحصل على النص الخام
ارفع الملف
ارفع PDF ممسوحاً أو صورة JPG أو PNG، بحجم يصل إلى 50 ميغابايت و300 صفحة للملف.
اختر شكل النص
مع فاصل الصفحات تفصل بين كل صفحتين علامة فيها رقم الصفحة. ومع النص المتصل تأتي الصفحات متتابعة بلا علامات، ونصل الفقرة التي انقطعت بين صفحتين.
نقرأ وننظّف
نقرأ كل صفحة من صورتها، ونحوّل أشكال الحروف إلى حروف عادية، ونحذف علامات الاتجاه الخفية والتطويل الذي يمدّ الحروف، ونبقي التشكيل ونوع الأرقام كما هما.
نزّل ملف TXT
بعد التحويل نزّل ملف TXT من صفحة الملف، بجانب ملف Word. الملف نص عادي بترميز UTF-8، يُفتح في أي محرر نصوص.
ماذا يوجد داخل ملف TXT
- كل فقرة في سطر مستقل، وبين الفقرات سطر فارغ.
- العناوين أسطر عادية بلا تنسيق، وعناصر القوائم تبدأ بشرطة أو برقمها الأصلي.
- الجداول تأتي صفاً في كل سطر تفصل خلاياه مسافات جدولة، فتلصقها في جدول بيانات إن أردت.
- الحواشي تأتي في آخر صفحتها، بعد سطر من الشرطات السفلية.
نصائح لنتيجة أوضح
- إذا ظهرت رموز غريبة بدل العربية، فالمشكلة في البرنامج الذي فتح الملف لا في النص. افتحه بمحرر يدعم UTF-8، أو اختر هذا الترميز عند الفتح.
- في Excel لا تفتح الملف بالنقر المزدوج، بل استورده من تبويب «بيانات» ثم «من نص/CSV»، وتأكد أن الترميز المختار UTF-8.
- إذا كنت ستعالج النص ببرنامج، فاختر النص المتصل، حتى لا تقطع علامات الصفحات الجمل في منتصفها.
- إذا احتجت العناوين والجداول بتنسيقها، فخذ ملف Word من التحويل نفسه؛ الملفان يأتيان معاً.
حدود يجب أن تعرفها
- النص الخام لا يحفظ التنسيق: لا عناوين بارزة، ولا جداول بحدود، ولا حواشٍ مرتبطة بأرقامها.
- قد يخطئ التعرّف الضوئي في المسح الضعيف، فراجع الأسماء والأرقام قبل أن تعتمد على النص أو تعالجه آلياً.
- الخط اليدوي غير مدعوم، والأسطر المكتوبة باليد قد تغيب عن الملف أو تأتي مشوشة.
- الأسطر التي تخلط العربية بالإنجليزية قد تبدو بترتيب غريب في بعض المحررات البسيطة، مع أن ترتيب الحروف المخزّن صحيح.
أسئلة شائعة
هل أدفع مرتين لأحصل على Word وTXT؟
لا، كل تحويل يعطيك الملفين معاً، وتُحسب كل صفحة من رصيدك مرة واحدة.
ما ترميز الملف؟
UTF-8، وهو الترميز الذي تعتمده أغلب البرامج والمواقع اليوم. إذا ظهرت رموز غريبة عند فتحه، فاختر هذا الترميز يدوياً في البرنامج.
هل يبقى التشكيل في ملف TXT؟
نعم، الحركات تبقى كما قُرئت. نحذف فقط التطويل الذي يُستعمل لمدّ الحروف في الطباعة، لأنه يعطّل البحث.
هل في الملف أرقام للصفحات؟
مع فاصل الصفحات نعم: بين كل صفحتين علامة فيها رقم الصفحة في الملف الذي رفعته. ومع النص المتصل لا توجد علامات.
هل أستطيع استعمال النص في أداة تحليل أو برنامج ذكاء اصطناعي؟
نعم، هو نص عادي تقرؤه أي أداة. لكن أي خطأ في القراءة سينتقل معه، فراجع عيّنة من النص قبل معالجة الملفات الكبيرة.