هل أستطيع تحويل ملف PDF ممسوح إلى Markdown؟

لا تستطيع مباشرةً. ففي ملفات PDF الممسوحة تكون الصفحة صورة فقط ولا توجد فيها طبقة نص؛ فلا نص يستخرجه المحوّل. ويلزمك إجراء تعرف ضوئي أولاً لإضافة طبقة نص. ويعمل التحويل بعد التعرف الضوئي لكن الاستنتاجات البنيوية مثل اكتشاف العناوين تكون أضعف منها في ملفات PDF ذات طبقة النص الأصيلة.

لماذا تخرج العناوين أحياناً بمستوى خاطئ؟

لأن معلومة «هذا عنوان» غير مكتوبة في PDF في أغلب الأحيان. فيخمّن المحوّل بالنظر إلى مقاس الخط وسماكته وموضعه. فإن وُجدت في المستند خمسة بنوط مختلفة حاول إسنادها إلى H1 حتى H5. وقد تُحسَب جملة مكتوبة بخط عريض عنواناً، أو يُتخطّى عنوان فرعي ببنط صغير. وفي ملفات PDF الموسومة (tagged) تزول الحاجة إلى هذا التخمين وتكون النتيجة أدق بكثير.

هل تُنقَل الجداول إلى Markdown نقلاً سليماً؟

تُنقَل الجداول البسيطة المنتظمة عادةً. لكن الخلايا المدمجة والجداول المتداخلة والخلايا متعددة الأسطر لا تجد مقابلاً في صياغة جداول Markdown — إذ تفترض جداول Markdown شبكة مستوية. وفي الجداول المعقدة قد يلزمك تصحيح المخرجات يدوياً أو كتابة ذلك الجدول بصيغة HTML.

ما فائدة التحويل إلى Markdown؟

Markdown نص صِرف: يمكن أخذ الفروق عليه في أنظمة التحكم في الإصدارات، وتحريره في أي محرر نصوص، وتقديمه مباشرة إلى مولّدات المواقع الساكنة، وتحويله بسهولة إلى صيغ كثيرة مثل HTML وWord وPDF. وحين تريد إعادة استخدام محتوى ملف PDF أو تحديثه أو نقله إلى موقع إلكتروني، يوفر Markdown صيغة وسيطة مرنة.

كيفية تحويل PDF إلى Markdown؟ صون العناوين والبنية

لديك ملف PDF وعليك إعادة استخدام محتواه: نقله إلى موقع إلكتروني، أو حفظه في نظام تحكم بالإصدارات، أو تحديثه وإعادة نشره، أو تحويله إلى صيغ أخرى. وMarkdown صيغة وسيطة جيدة لهذا العمل — مرنة لأنها نص صِرف، لكنها تصون البنية أيضاً كالعناوين والروابط.

لماذا يُعدّ Markdown هدفاً جيداً

هو نص صِرف. يُفتح في أي محرر، ويمكن أخذ الفروق عليه سطراً سطراً في أنظمة التحكم بالإصدارات، والبحث والاستبدال الدفعي سهل فيه.

يحمل بنية. فمستويات العناوين، والقوائم، والتوكيد بالعريض/المائل، والروابط، وكتل الشفرة، والجداول — كلها تُعبَّر عنها بعلامات بسيطة.

يُحوَّل بسهولة. فثمة أدوات ناضجة للتحويل من Markdown إلى HTML وWord وPDF والعروض التقديمية وغيرها.

متوافق مع مولّدات المواقع الساكنة. فمعظم أنظمة المدونات والتوثيق يقرأ Markdown مباشرة.

الخطوة 1: تحقّق من ملاءمة ملف PDF للتحويل

ليس كل ملف PDF يتحول بالجودة نفسها. افحص أمرين.

هل توجد طبقة نص؟

افتح ملف PDF وحاول تحديد فقرة بالفأرة. فإن أمكن تحديد النص فثمة طبقة نص؛ وإن لم يمكن فالصفحة صورة فقط.

ولا توجد طبقة نص في المستندات الممسوحة ولا شيء يستخرجه المحوّل. ويلزمك إجراء تعرف ضوئي أولاً.

ويعمل التحويل بعد التعرف الضوئي لكن أبقِ توقعك منخفضاً: فمعلومات الخط والمقاس في طبقة النص المضافة بالتعرف الضوئي مصطنعة، ومن ثم تضعف الاستنتاجات البنيوية مثل اكتشاف العناوين.

ما مدى تعقيد التخطيط؟

| التخطيط | جودة التحويل | |---|---| | عمود واحد، نص عادي | ممتازة | | تقرير بعناوين | جيدة | | جداول بسيطة | جيدة | | تخطيط من عمودين | ضعيفة، وقد يختلط الترتيب | | حواشي جانبية، صناديق | ضعيفة | | جداول معقدة | ضعيفة | | تصميم مجلة/كتيّب | سيئة |

والتخطيطات متعددة الأعمدة أكبر مشكلة: إذ يضطر المحوّل إلى تخمين ترتيب قراءة النص من معلومات الموضع، وقد يقرأ في صفحة من عمودين الأسطرَ أفقياً من جهة إلى أخرى فيتداخل نص العمودين.

الخطوة 2: نفّذ التحويل

افتح أداة التحويل من PDF إلى Markdown وارفع ملفك. وتعمل العملية في متصفحك؛ ولا يذهب مستندك إلى الخادم.

وعمل المحوّل هو استخراج بنية دلالية من أوامر الرسم في PDF:

يجمّع أجزاء النص في أسطر وفقرات.
ويخمّن مستويات العناوين بالنظر إلى مقاس الخط وسماكته.
ويكتشف علامات التعداد والأرقام فينشئ قوائم.
ويحوّل تعليقات الارتباط إلى روابط Markdown.
ويحاول اكتشاف بنى الجداول.

ومعظم هذه الخطوات استنتاج، ومن ثم لن تكون النتيجة مثالية بل «نقطة انطلاق جيدة».

الخطوة 3: راجع المخرجات

افتح ملف Markdown الناتج في محرر وافحص بالترتيب التالي.

تراتب العناوين

وهذا أكثر المواضع حاجةً إلى التصحيح. افحص:

هل العناوين بالمستوى الصحيح؟ (# هو H1، و## هو H2، و### هو H3)
هل تُخطّيت مستويات؟ (انتقال من H1 مباشرة إلى H3)
هل صارت جمل توكيد مكتوبة بالعريض عناوين بالخطأ؟
هل تُخطّيت عناوين حقيقية؟

والتصحيح سهل — إذ تغيّر عدد علامات # فحسب — لكنه يقتضي قراءة من البداية إلى النهاية أولاً.

سلامة الفقرات

الفقرة في PDF مقسّمة على عدة أسطر وينبغي أن يدمجها المحوّل. والمشكلات:

التشطير بالشرطة في نهاية السطر. فالكلمات المقسّمة بشرطة في تخطيط الصفحة قد تبقى غير مدموجة في Markdown. ابحث عنها في النص وصحّحها.

انقسام الفقرة مبكراً. فقد تكون الفقرة قد انقسمت من وسطها.

انتقالات الصفحات. فإن امتدت فقرة على صفحتين فقد يكون قد انحشر بينهما رقم صفحة أو نص تذييل.

الرأس والتذييل وأرقام الصفحات

توجد في ملفات PDF عناصر متكررة أعلى كل صفحة وأسفلها: عنوان المستند، واسم القسم، ورقم الصفحة، وحقوق النشر.

وقد يحسبها المحوّل محتوى فيدرجها في Markdown. والنتيجة أسطر متكررة كل بضع فقرات مثل «التقرير السنوي 2025 | 47».

والتنظيف: لأن هذه الأسطر تتكرر بانتظام، يمكن حذفها دفعةً واحدة بـ«استبدال الكل» في محرر نصوص أو بتعبير نمطي.

القوائم

تُنقَل القوائم ذات علامات التعداد والقوائم المرقّمة نقلاً جيداً عادةً. وما ينبغي فحصه:

هل مستويات إزاحة القوائم المتداخلة صحيحة؟
هل تبدأ القوائم المرقّمة بالأرقام الصحيحة؟
هل خرجت بعض البنود كفقرات؟

الجداول

صياغة الجداول في Markdown بسيطة ولها حدود:

| Header 1 | Header 2 |
|---|---|
| Cell | Cell |

وهذه البنية تفترض شبكة مستوية. ولا تستطيع التعبير عن:

الخلايا المدمجة (colspan/rowspan)
الجداول المتداخلة
التنسيق متعدد الأسطر داخل الخلية
أي نمط عدا محاذاة الخلايا

وتُنقَل الجداول البسيطة نقلاً جيداً عادةً. وأمامك في المعقدة خياران: تبسيطها يدوياً، أو كتابة ذلك الجدول بصيغة HTML (فمعظم معالجات Markdown تمرّر HTML).

الروابط

تُصان الروابط التشعبية المؤدية إلى عناوين ويب عادةً:

[link text](https://example.com)

أما الروابط الداخلية فتفقد معناها — إذ لا مفهوم للصفحة في Markdown. ويلزم تحويلها إلى روابط عناوين (#go-to-heading).

الصور

يختلف سلوك الصور بحسب الأداة:

بعض الأدوات يستخرج الصور كملفات منفصلة ويشير إليها في Markdown.
وبعضها يتخطى الصور ويترك عنصراً نائباً فقط.
وبعضها يضمّنها بترميز base64 (فيضخّم الملف كثيراً).

وإن كانت الصور مهمة فقد يلزمك إجراء عملية استخراج صور منفصلة ووضعها يدوياً.

الخطوة 4: التنظيف والترتيب

قائمة التنظيف النمطية بعد التحويل:

احذف تكرارات الرأس/التذييل. ويتم ذلك سريعاً بالاستبدال الدفعي.
صحّح مستويات العناوين. واجعل التراتب منطقياً.
ادمج الكلمات المشطورة. "qua-\nlity" ← "quality".
نظّف نهايات الأسطر الزائدة. أي الانقسامات داخل الفقرات.
راجع الجداول.
اختبر الروابط.
صحّح مراجع الصور.

والعمل مع معاينة في محرر يسهّل المهمة — فمعظم محرّرات Markdown تعرض المصدر والمعاينة جنباً إلى جنب.

متى لا يكون Markdown الهدف الصحيح

إذا كان التصميم البصري مهماً. فـ Markdown لا يحمل تخطيطاً ولا تصميماً. وتضيع الهوية البصرية لكتيّب أو صفحة مجلة تماماً.

إذا كانت الجداول المعقدة في المركز. فدعم Markdown للجداول محدود.

إذا كان المستند سيُقرأ فقط. فـ PDF صيغة مقروءة أصلاً. والتحويل ذو معنى حين تريد إعادة استخدام المحتوى.

إذا وُجدت صيغ رياضية ورموز خاصة. فالصيغ الرياضية موجودة في PDF كرسوم؛ وتصل إلى Markdown كنص عادي فتفقد معناها. وإن كنت تستخدم لهجة Markdown تدعم LaTeX فعليك إعادة كتابة الصيغ يدوياً.

سيناريوهات الاستخدام الشائعة

نقل التوثيق. فدليل استخدام قديم موجود بصيغة PDF وسيُنقَل إلى موقع توثيق حديث. وMarkdown هو الصيغة الأصيلة لمولّدات المواقع الساكنة.

إعادة نشر المحتوى. كتحويل تقرير إلى مقال مدونة.

إدخاله في نظام تحكم بالإصدارات. فإن أردت تتبع تغييرات مستند، فـ PDF ملف ثنائي ولا يمكن أخذ الفروق عليه. أما Markdown فنص صِرف ويظهر فيه كل تغيير سطراً سطراً.

إنتاج صيغ متعددة. فتستطيع من مصدر Markdown واحد إنتاج HTML وPDF وWord وEPUB.

تغذية أدوات الذكاء الاصطناعي. فلأن Markdown نص صِرف محفوظ البنية، يكون مدخلاً أفضل من PDF الخام عند العمل مع نماذج اللغة.

الخلاصة

التحويل من PDF إلى Markdown عمل يستخرج بنية دلالية من أوامر الرسم، وهذا الاستخراج قائم على التخمين. وتكون النتيجة جيدة في المستندات المنتظمة ذات العمود الواحد؛ وتضعف في التخطيطات متعددة الأعمدة والجداول المعقدة والصفحات ذات التصميم الكثيف. ويلزم التعرف الضوئي أولاً في ملفات PDF الممسوحة. وانظر إلى التحويل بوصفه نقطة بداية لا نهاية: فتصحيح مستويات العناوين، وتنظيف أسطر الرأس/التذييل المتكررة، ودمج الكلمات المشطورة، ومراجعة الجداول خطوات تنظيف معيارية. والنتيجة في يدك مصدر مرن يمكن إدخاله في نظام تحكم بالإصدارات وتحريره بسهولة وتحويله إلى صيغ كثيرة.