كيف تستخرج النص من صورة بالعربي — دليل عملي لدقة أعلى

عندك صورة لصفحة عقد، أو لقطة شاشة، أو ملف PDF ممسوح ضوئياً، وتحتاج النص بداخله قابلاً للنسخ والتعديل. التقنية التي تفعل ذلك اسمها التعرّف الضوئي على الحروف (OCR)، وهي تعمل بالعربية — لكن جودة النتيجة تعتمد على أشياء تحت سيطرتك أكثر مما تظن.

هذا الدليل يشرح لماذا العربية أصعب، وكيف تحضّر الصورة لترفع الدقة، وما الذي يجب أن تراجعه في الناتج.

ما الذي يفعله OCR — وما لا يفعله

OCR يخمّن. يحلّل أشكال البقع الداكنة على الخلفية الفاتحة ويقرّر: هذا الشكل على الأرجح حرف «ع». إنه استنتاج احتمالي، لا قراءة مؤكدة.

هذا يختلف جوهرياً عن تحويل ملف PDF نصي إلى Word. في الملف النصي الحروف موجودة فعلاً داخل الملف، والتحويل ينقلها. في OCR لا يوجد نص أصلاً، بل صورة يُستنتج منها.

النتيجة العملية: تحويل PDF نصي يعطيك دقة شبه كاملة. OCR يعطيك مسودة ممتازة تحتاج مراجعة. من يعدك بدقة 100% في OCR لا يصف الواقع.

هل ملفك يحتاج OCR أصلاً؟ اختبار خمس ثوانٍ

افتح الملف وحاول تحديد سطر بالماوس:

• تحدّد النص → الملف نصي. لا تستخدم OCR، استخدم أداة تحويل PDF إلى Word وستحصل على نتيجة أدق بكثير.
• لم يتحدّد شيء، أو تحدّدت الصفحة كمستطيل واحد → الملف صورة. هنا مكان OCR.

كثيرون يستخدمون OCR على ملفات نصية فيحصلون على نتيجة أسوأ مما لو نسخوا النص مباشرة.

لماذا العربية أصعب من الإنجليزية

ليست مسألة انتشار أو اهتمام. للعربية ثلاث خصائص تجعل المهمة أصعب تقنياً:

1. الحروف متصلة ومتغيّرة الشكل

في الإنجليزية الحروف منفصلة وشكل الحرف ثابت. a هي a في أي موضع. في العربية حرف العين له أربعة أشكال: ع وعـ وـعـ وـع. المحرك يجب أن يتعلّم أربعة أشكال لكل حرف، ثم يقرّر أين تنتهي كلمة وتبدأ أخرى داخل خط متصل — وهي مشكلة مستقلة اسمها التقطيع.

2. النقاط تحمل المعنى

ب وت وث ون وي هيكلها متطابق تقريباً؛ الفرق نقاط صغيرة وموضعها. في مسح بدقة منخفضة، أو ورق مصفرّ، أو صورة مضغوطة، تختفي النقطة أو تلتصق باثنتين. معظم أخطاء OCR العربية هي أخطاء نقاط، ولهذا تحديداً دقة المسح تؤثر في العربية أكثر من أي لغة أخرى.

3. التشكيل والهمزات

الفتحة والضمة والشدّة علامات صغيرة فوق الحروف وتحتها. قد يقرأها المحرك كنقاط فتتغيّر الحروف، وقد يهملها كلياً. والهمزة تحديداً (أ إ آ ء ئ ؤ) مصدر خطأ ثابت.

تحضير الصورة: هنا تُكسب الدقة أو تُخسر

هذا القسم يستحق دقيقتين، لأنه يغيّر النتيجة أكثر من أي إعداد في الأداة.

الدقة. امسح على 300 نقطة/بوصة. أقل من 200 يجعل النقاط العربية غير مميّزة. أعلى من 400 لا يضيف دقة يُعتد بها ويبطئ المعالجة.

الاستقامة. الميلان بدرجتين يكفي لخفض الدقة بوضوح، لأن المحرك يفترض سطوراً أفقية. عند التصوير بالهاتف اجعل الكاميرا موازية للورقة لا مائلة عليها، أو استخدم أداة مسح المستندات التي تكتشف حواف الورقة وتصحّح المنظور تلقائياً.

الإضاءة. إضاءة موزّعة أفضل من مصدر قوي واحد. الوهج على الورق اللامع يمحو حروفاً كاملة، وظلّ يدك أو الهاتف على نصف الصفحة يجعل ذلك النصف غير مقروء.

التباين. نص أسود على ورق أبيض. الورق المصفرّ والحبر الباهت يقلّلان الفارق الذي يعتمد عليه المحرك بالكامل.

لا تضغط الصورة قبل OCR. الضغط يُذيب التفاصيل الصغيرة — وهي بالضبط النقاط. اضغط بعد الاستخراج إن احتجت.

الخطوات

1. افتح أداة استخراج النص من الصور.
2. ارفع صورة JPG أو PNG أو ملف PDF ممسوح.
3. اختر اللغة: العربية أو الإنجليزية أو كليهما للمستندات المختلطة.
4. انسخ الناتج أو حمّله كملف نصي.

اختيار اللغة ليس تفصيلاً شكلياً — تحديدها يضيّق مجال التخمين على المحرك ويرفع الدقة فعلياً.

ما الذي تراجعه في الناتج — بالترتيب

راجع هذه الأربعة أولاً، فهي مصدر أغلب الأخطاء:

1. الأرقام. أخطر خطأ في المستندات المالية والرسمية، لأنه يمرّ دون أن يبدو غريباً. ٥ و٦، و١ و٧ تُخلط كثيراً. راجع كل رقم في العقود والفواتير واحداً واحداً.
2. النقاط. اقرأ النص وتوقّف عند أي كلمة تبدو غير مألوفة — غالباً حرف تغيّر بنقطة: «بيت» صارت «نيت»، «ثم» صارت «تم».
3. الهاء والتاء المربوطة. ه وة في آخر الكلمة تُخلطان باستمرار.
4. الهمزات. أ وإ وا تتبادل كثيراً. لا يغيّر المعنى غالباً لكنه يفسد أي بحث لاحق في النص.

حدود يجب أن تعرفها

• الخط اليدوي غير مدعوم عملياً بالعربية. المحركات مدرَّبة على الخطوط المطبوعة.
• الأختام والتوقيعات تظهر كرموز عشوائية أو تُهمَل. احذفها من الناتج.
• الجداول يخرج نصها صحيحاً لكن بنيتها تضيع — تحصل على كلمات متتابعة لا أعمدة. إن كان الجدول هو المطلوب فـأداة PDF إلى Excel أنسب للملفات النصية.
• الأعمدة المتعددة قد تُقرأ أفقياً عبر العمودين. قصّ كل عمود على حدة إن كان المستند صحفياً أو أكاديمياً.
• الخطوط المزخرفة والعناوين الفنية دقتها أقل بكثير من نص المتن.

بعد الاستخراج

• تريد مستنداً منسّقاً لا نصاً مجرّداً؟ مرّر الملف الممسوح على أداة PDF إلى Word مباشرة.
• تريد ملفاً واحداً من عدة صور؟ اجمعها بـأداة تحويل الصور إلى PDF قبل الاستخراج.
• المستند حساس؟ بعد استخراج النص، احذف ما لا تريد مشاركته بـأداة طمس المعلومات.

أسئلة شائعة

هل الأداة مجانية؟ نعم، وتعمل من المتصفح دون تثبيت. يُعالَج الملف ثم يُحذف.

هل تقرأ PDF متعدد الصفحات؟ نعم، تُعالَج كل صفحة ويظهر النص بالترتيب.

لماذا نتيجتي أسوأ من صديقي بنفس الأداة؟ غالباً بسبب الصورة لا الأداة. راجع قسم تحضير الصورة أعلاه — الفارق بين مسح 300 نقطة مستقيم وصورة هاتف مائلة أكبر من الفارق بين أي محركين.

هل يمكن استخراج نص من صورة فيها عربي وإنجليزي معاً؟ نعم، اختر اللغتين. توقّع دقة أقل قليلاً عند نقاط الانتقال بين اللغتين.

---

جرّبها الآن: استخرج النص من صورتك ←