لماذا لا يمكنني نسخ النص من ملف PDF؟

1. ملف PDF عبارة عن صورة ممسوحة ضوئيًا (الأكثر شيوعًا)

هذا هو السبب الأول لعدم قدرة الناس على نسخ النص من ملف PDF. عند مسح المستند ضوئيًا — باستخدام ماسح ضوئي مسطح، أو طابعة متعددة الوظائف، أو تطبيق كاميرا هاتف مثل CamScanner — يحتوي ملف PDF الناتج على صورة لكل صفحة، وليس أحرف نصية فعلية. يعرض عارض PDF الخاص بك المستند بشكل طبيعي، ولكن لا يوجد شيء حرفيًا لتحديده لأن كل صفحة هي مجرد صورة.

هذا شائع جدًا مع المستندات القديمة، والنماذج الحكومية، والأوراق الأكاديمية من قبل العصر الرقمي، وأي شيء تلقيته كنسخة مطبوعة مادية قام شخص ما بمسحها ضوئيًا لاحقًا لمشاركتها إلكترونيًا.

كيفية التحديد: حاول النقر والسحب عبر النص. إذا لم يتم تمييز أي شيء على الإطلاق، أو تم تحديد الصفحة بأكملها ككتلة واحدة كبيرة (مثل تحديد صورة)، فهذا ملف PDF ممسوح ضوئيًا. اختبار آخر: قم بالتكبير إلى 400٪ — إذا بدا النص ضبابيًا قليلاً أو متبقعًا مثل صورة، فهو صورة.

الحل: تحتاج إلى برنامج OCR (التعرف الضوئي على الحروف) لتحويل الصور إلى نص. تشمل الخيارات المجانية Google Docs (الرفع إلى Google Drive → "فتح باستخدام → Google Docs") وأداة سطر الأوامر مفتوحة المصدر Tesseract. للحصول على دقة أفضل — خاصة مع التخطيطات المعقدة، أو الجداول، أو النص غير الإنجليزي — تطبق أداة مخصصة مثل ParseJet التعرف الضوئي على الحروف تلقائيًا وتحافظ على ترتيب القراءة.

2. ملف PDF لديه حماية النسخ مفعلة

يمكن لمنشئي ملفات PDF تعيين أذونات أمان تعطل تحديد النص ونسخه على وجه التحديد. هذا شائع مع الكتب الإلكترونية المنشورة، والتقارير المؤسسية المحددة بـ "سري"، والمنشورات الحكومية، والمستندات من قواعد البيانات المدفوعة مثل JSTOR أو IEEE.

يمكنك عادةً قراءة المستند على الشاشة — القيد يحظر فقط وظيفة النسخ. تظهر بعض العارضين رمز قفل أو تعرض "مؤمن" في شريط العنوان.

كيفية التحديد: في Adobe Acrobat Reader، انتقل إلى ملف → خصائص → علامة تبويب الأمان. ابحث عن "ملخص قيود المستند". إذا كان "نسخ المحتوى" يظهر "غير مسموح"، فإن حماية النسخ نشطة. في عارض PDF الخاص بـ Chrome، حاول Ctrl+A — إذا لم يتم تحديد أي شيء، فقد يكون ملف PDF مقيدًا.

الحل: إذا كان لديك حق وصول مشروع إلى المحتوى (اشتريته، أو تلقيت من خلال قنوات مصرح بها، أو هو مستند حكومي عام)، يمكن للأدوات التي تعالج ملف PDF على جانب الخادم استخراج النص. غالبًا ما يعمل Google Docs — قم بالرفع إلى Drive وافتح كمستند Google. يتعامل ParseJet أيضًا مع هذا، لأنه يعالج ملف PDF على خادمه بدلاً من احترام القيود على جانب العميل.

3. النص مُصمم كخطوط متجهة

هذا سبب مخادع. تبدو بعض ملفات PDF واضحة واحترافية تمامًا، لكن "النص" يتكون في الواقع من أشكال متجهة — منحنيات ومسارات ترسم مخطط كل حرف، بدلاً من أحرف خط. يحدث هذا عندما يصدر مصمم من Adobe Illustrator، أو InDesign، أو Figma مع تفعيل خيار "تحويل النص إلى خطوط" (غالبًا ما يتم ذلك لتجنب مشاكل ترخيص الخطوط).

تبدو النتيجة مطابقة للنص الحقيقي على الشاشة، ولكن بالنسبة للكمبيوتر، كل حرف هو رسم مجرد — مثل شعار صغير. لا توجد أحرف لتحديدها أو نسخها.

كيفية التحديد: قم بالتكبير إلى 800٪+ على حرف. يظل النص الحقيقي حادًا تمامًا لأنه مُصمم من خط. يظل النص المحول إلى خطوط حادًا أيضًا (إنه متجه)، لكنك لن تتمكن من تحديد أحرف فردية — سيحدد المؤشر كتلة النص بأكملها ككائن واحد، أو لا شيء على الإطلاق. علامة أخرى: حجم ملف PDF كبير بشكل غير معتاد بالنسبة لمستند مليء بالنص، لأن الخطوط المتجهة تأخذ مساحة أكبر من النص المصمم بالخطوط.

الحل: نظرًا لأن بيانات الحرف الأصلية اختفت، فإن OCR هو الطريقة الوحيدة لاستعادة النص. قم برفع ملف PDF إلى ParseJet أو Google Docs — تقرأ محرك OCR الأشكال المرئية ويخرج أحرف نصية حقيقية.

4. ترميز الخط المخصص يجعل النص يُلصق كحروف غير مفهومة

هذا يختلف عن عدم القدرة على تحديد النص — هنا، يمكنك تحديد النص ونسخه جيدًا، ولكن عند اللصق، تحصل على حروف غير مفهومة: □□□□، رموز عشوائية مثل "˙ˆ˜¯"، أو أحرف خاطئة تمامًا. يبدو ملف PDF جيدًا على الشاشة لأن العارض يستخدم الخط المضمن لعرضه، ولكن رموز الأحرف الأساسية غير قياسية.

يحدث هذا عندما قام منشئ ملف PDF بتضمين مجموعة فرعية من خط يستخدم جدول ترميز مخصص. بدلاً من تعيين رمز الحرف 65 إلى الحرف "A" (ASCII القياسي)، قد يعين الخط الرمز 65 إلى "Z" أو حرف آخر. يعرف العارض كيفية عرضه بشكل صحيح باستخدام الخط، لكن النسخ واللصق يزيلان معلومات الخط، تاركين لك رموز الأحرف الأولية (الخاطئة).

كيفية التحديد: حدد سطرًا من النص، الصقه في Notepad أو أي محرر نصوص عادي. إذا كانت النتيجة غير مقروءة — رموز، أحرف خاطئة، أو مربعات فارغة — فالترميز هو السبب.

الحل: لا يمكن للنسخ واللصق القياسي حل هذا لأن المشكلة في كيفية تخزين الأحرف. يمكن للأدوات التي تحلل جداول الخطوط الداخلية لملف PDF إعادة تعيين الأحرف إلى الترميز القياسي. يقوم ParseJet بهذا تلقائيًا أثناء الاستخراج. بدلاً من ذلك، يمكنك تجربة وظيفة "حفظ كنص" في Adobe Acrobat Pro، والتي تحل أحيانًا مشكلة الترميز بشكل أفضل من النسخ واللصق.

5. تخطيط الأعمدة المتعددة يعطل ترتيب النص

هذا تقنيًا "نسخ النص يعمل" — لكن النتيجة غير قابلة للاستخدام. في ملفات PDF ذات عمودين أو ثلاثة (شائعة في الأوراق الأكاديمية، والصحف، والمجلات، والنشرات الإخبارية)، يؤدي تحديد النص بالمؤشر إلى التقاط النص من اليسار إلى اليمين عبر عرض الصفحة بالكامل. يتم ربط السطر 1 من العمود A مع السطر 1 من العمود B، ثم السطر 2 من العمود A مع السطر 2 من العمود B، مما يخلق فوضى متناوبة.

الجداول لديها نفس المشكلة. عند تحديد ونسخ جدول، تحصل عادةً على قيم الخلايا مختلطة بترتيب غير متوقع، دون فصل واضح بين الصفوف والأعمدة.

كيفية التحديد: حدد النص في منطقة متعددة الأعمدة، الصقه في محرر نصوص، واقرأه. إذا بدا أن الأسطر المتناوبة تأتي من أجزاء مختلفة من الصفحة، فإن التخطيط هو المشكلة.

الحل: تحتاج إلى أداة تكتشف الأعمدة وتقرأ كل منها بشكل منفصل، بالترتيب. لدى Adobe Acrobat Pro أداة "ترتيب القراءة" لكنها تتطلب تصحيحًا يدويًا. يكتشف ParseJet الأعمدة، والجداول، وترتيب القراءة تلقائيًا، ويستخرج النص بالتسلسل الصحيح.

6. ملف PDF تالف أو غير مكتمل

أحيانًا يكون ملف PDF نفسه تالفًا — تم اقتطاعه أثناء التنزيل (حجم الملف صغير بشكل مريب)، أو تم إنشاؤه بواسطة برنامج معيب، أو تم الكتابة فوقه جزئيًا. قد يظل العارض يعرض بعض أو كل الصفحات بصريًا، لكن بيانات النص الداخلية مفقودة أو معطلة، لذا تفشل عملية التحديد والنسخ بصمت.

كيفية التحديد: تحقق من رسائل التحذير عند فتح ملف PDF ("قد يكون هذا المستند تالفًا"). قارن حجم الملف بما تتوقعه — تقرير من 200 صفحة بحجم 50 كيلوبايت فقط هو بالتأكيد تالف تقريبًا. حاول فتح الملف في عارض مختلف (Chrome مقابل Adobe مقابل Preview) — إذا واجهوا جميعًا مشكلة، فالملف تالف.

الحل: أولاً، حاول تنزيل الملف مرة أخرى من المصدر الأصلي. إذا لم يكن ذلك ممكنًا، حاول فتحه في Google Chrome (الذي يحتوي على عارض PDF متسامح نسبيًا) والنسخ منه. كحل أخير، يمكن لـ ParseJet غالبًا استخراج النص من ملفات PDF التالفة جزئيًا والتي تتسبب في فشل الأدوات الأخرى تمامًا، لأنه يعالج تدفق بايت PDF الخام بدلاً من الاعتماد على خط عرض PDF قياسي.

الملخص: كيفية تحديد وإصلاح مشكلتك المحددة

لا يمكن تحديد النص على الإطلاق → على الأرجح صورة ممسوحة ضوئيًا (#1)، أو خطوط متجهة (#3)، أو حماية نسخ (#2). جرب Google Docs أولاً (مجاني)، ثم أداة مخصصة مثل ParseJet للحالات العنيدة.

يتم تحديد النص ولكن يُلصق كحروف غير مفهومة → ترميز خط مخصص (#4). استخدم ParseJet أو وظيفة "حفظ كنص" في Adobe Acrobat Pro لإعادة تعيين الأحرف.

يتم نسخ النص ولكنه بترتيب خاطئ → تخطيط أعمدة متعددة أو جدول (#5). استخدم أداة استخراج تدرك التخطيط مثل ParseJet.

لا يمكن فتح الملف أو بعض الصفحات فارغة → ملف PDF تالف (#6). أعد التنزيل من المصدر، أو جرب ParseJet الذي يتعامل مع التلف الجزئي.