جعل PDF الممسوح ضوئيًا قابلًا للبحث: OCR أم الكتابة اليدوية أم برنامج سطح المكتب؟

لديك عقد ممسوح ضوئيًا، أو فاتورة قديمة، أو مقال التقطته من مكتبة. الملف بصيغة PDF لكن لا يمكنك تحديد أي كلمة بداخله، ولا تجد شيئًا عند الكتابة في مربع البحث، ولا يمكنك النسخ واللصق. لأن ذلك الملف ليس في الواقع ملف نص، بل صورة فوتوغرافية. حفظ الماسح الضوئي أو كاميرا الهاتف الصفحة كصورة ووضع تلك الصورة داخل غلاف PDF؛ ومن منظور الحاسوب، لا توجد "حروف" هناك، بل بكسلات فقط.

هناك عدة طرق لحل هذه المشكلة. أيها منطقي بالنسبة لك يعتمد على طول المستند، ومدى تكرار قيامك بهذا العمل، ومدى الدقة المطلوبة في النتيجة.

لماذا يُعد PDF الممسوح ضوئيًا ملفًا "ميتًا"

إذا كان هناك نص داخل ملف PDF، يعرف الحاسوب الأحرف التي يتكون منها ذلك النص. أما في الصفحة الممسوحة ضوئيًا، فلا توجد مثل هذه المعلومة؛ بل توجد فقط سلسلة من النقاط الملونة أو بالأبيض والأسود. لذلك:

• لا يمكنك البحث بـ Ctrl+F
• لا يمكنك تحديد النص ونسخه
• لا يمكن لقارئات الشاشة (لمستخدمي ضعاف البصر) قراءة الصفحة
• عند محاولة نقل المستند إلى Word وتحريره، لا تحصل إلا على صورة

يحلل OCR (التعرف الضوئي على الحروف) الأشكال الموجودة في هذه الصورة قائلًا "هذا حرف A، وهذا حرف K"، ويضع خلف الصورة طبقة نصية غير مرئية لكن قابلة للتحديد. لا يتغيّر مظهر الصفحة إطلاقًا، لكنها تصبح الآن قابلة للبحث والنسخ.

الخيار 1: إعادة الكتابة يدويًا

هذه هي الطريقة الأقدم: النظر إلى المستند وإعادة كتابة المحتوى في Word أو برنامج مشابه. قد يكون هذا معقولًا لمستند من صفحة واحدة أو بضع فقرات؛ بل أحيانًا يكون الخيار الواقعي الوحيد في الحالات التي تواجه فيها OCR صعوبة، مثل خط اليد.

لكن لها حدودًا جدية من الناحية العملية. تستغرق كتابة عقد من عشر صفحات يدويًا ساعات، ويكون خطر أخطاء الكتابة مرتفعًا، والحفاظ على تخطيط الصفحة الأصلي (الجدول، أرقام البنود، المسافة البادئة) شبه مستحيل. كذلك، تعطيك هذه الطريقة نصًا عاديًا فقط؛ فهي لا تجعل ملف PDF الممسوح ضوئيًا نفسه قابلًا للبحث، بل ينتج عنها ملف منفصل. يجب تفضيل الكتابة اليدوية فقط في المستندات القصيرة جدًا والقليلة العدد، وفي الحالات التي لا تفيد فيها OCR إطلاقًا (مثل خط اليد شديد الرداءة).

الخيار 2: برامج OCR المثبَّتة على سطح المكتب

لا تزال برامج OCR المثبَّتة على الحاسوب خيارًا مفضلًا، خاصة في البيئات المؤسسية وفي المسوحات ذات الحجم الكبير جدًا. نقاط قوتها: عدم الحاجة إلى اتصال إنترنت، وعدم خروج المستندات الحساسة من حاسوبك إطلاقًا، وميزات المعالجة الجماعية (وضع آلاف الصفحات في طابور تلقائي).

لكن لها ثمنًا أيضًا: عادة ما تتطلب ترخيصًا مدفوعًا، وتحتاج إلى إدارة التثبيت والتحديث، وتعمل فقط على الحاسوب المثبَّتة عليه (لا يمكنك الوصول إليها من الهاتف أو جهاز آخر)، وغالبًا ما يلزمك تعلّم البرنامج بالكامل حتى لأجل مستند واحد. بالنسبة للاحتياجات النادرة والقليلة، قد يكون هذا الاستثمار غير متناسب.

الخيار 3: أدوات PDF عبر الإنترنت

تتيح لك أدوات OCR التي تعمل عبر المتصفح رفع الملف والحصول على PDF قابل للبحث خلال دقائق قليلة، دون الحاجة إلى تثبيت. سواء كان Windows أو Mac أو Linux أو حتى Chromebook، لا فرق؛ يمكن استخدامها من أي جهاز لديه متصفح. لا تثبيت، لا متابعة ترخيص، لا عناء تحديثات.

النقطة الأهم في هذا النهج هي دعم اللغة. للتعرف بشكل صحيح على الأحرف ı وğ وö وü وş في كلمات مثل "İstanbul" أو "değişiklik" أو "öğrenci" في مستند تركي، يجب أن يدعم محرك OCR مجموعة الأحرف غير اللاتينية. إذا مسحت عقدًا تركيًا بمحرك مُحسَّن للإنجليزية فقط، فقد تتحول كلمة "değişiklik" إلى "degisiklik" أو إلى سلسلة بلا معنى — ما يقوّض من الأساس موثوقية البحث والنص.

للأدوات عبر الإنترنت حدودها أيضًا: في الملفات الكبيرة جدًا (مئات الصفحات)، تبقى معتمدًا على اتصال الإنترنت، وبالنسبة للمستندات شديدة السرية (مثلًا بموجب سياسات أمنية داخلية للمؤسسة) قد لا يكون مرغوبًا أن يذهب الملف إلى أي خادم. في مثل هذه الحالات، يكون الحل المؤسسي لسطح المكتب أو الخيار المحلي/دون اتصال أكثر ملاءمة.

أيها منطقي في أي حالة

• مستند ممسوح ضوئيًا من بضع صفحات بين الحين والآخر (فاتورة، عريضة، مقال قديم): أداة OCR عبر الإنترنت هي الطريق الأسرع والأقل عناءً. ارفع، انتظر، نزّل.
• مؤسسة تعالج بانتظام مئات/آلاف الصفحات: يُثبت الاستثمار في برنامج OCR لسطح المكتب جدواه مع الوقت، وتوفر المعالجة الجماعية والأتمتة ميزة هنا.
• مستندات شديدة السرية يجب ألا تخرج للخارج: يُفضَّل حل محلي/دون اتصال أو البنية التحتية الخاصة بالمؤسسة.
• فقرة قصيرة واحدة أو خط يد غير مقروء: أحيانًا تكون إعادة الكتابة يدويًا أسرع من التعامل مع تصحيح أخطاء OCR.

العوامل المؤثرة في الدقة بعد OCR

بغض النظر عن الطريقة التي تختارها، تعتمد جودة النتيجة إلى حد كبير على جودة المصدر:

• دقة المسح: تعطي 200 نقطة بالبوصة فأعلى نتيجة واضحة، بينما تزيد الدقة المنخفضة من معدل الخطأ.
• زاوية الصفحة: يصعب التعرف على الأحرف في الصفحات الممسوحة بشكل مائل.
• التباين: الحبر الباهت، النسخ المصوَّرة المظللة، أو الأوراق القديمة المصفرّة تُصعّب عمل OCR.
• نوع الخط وخط اليد: تُتعرَّف خطوط الطباعة القياسية بدقة عالية؛ بينما تقلل الخطوط المزخرفة أو خط اليد من الدقة.

بعد انتهاء العملية، خاصة في المستندات المهمة (العقود، الأوراق الرسمية)، من العادات الجيدة مراجعة النص الناتج عن OCR بسرعة. OCR ليست خالية من الأخطاء مئة بالمئة، لكن في مسح جيد الجودة تكون نسبة الدقة عادة عالية جدًا، والهدف أصلًا ليس نسخًا مثاليًا بل جعل المستند قابلًا للبحث والنسخ.

خلاصة

لا توجد طريقة واحدة صحيحة لجعل PDF الممسوح ضوئيًا قابلًا للبحث؛ الأمر يتغيّر حسب حجم المستند، والحاجة إلى الخصوصية، ومدى تكرار قيامك بهذا العمل. بالنسبة لمعظم المستخدمين، في المستندات الممسوحة ضوئيًا التي تُصادَف بين الحين والآخر، تصبح أداة OCR عبر الإنترنت — خاصة تلك التي تتعرف بشكل صحيح على الأحرف غير اللاتينية — الخيار الأكثر عملية بفضل عدم حاجتها للتثبيت وسرعتها. أما في الاحتياجات المتكررة وذات الحجم الكبير، فتحافظ الحلول المكتبية على مكانتها، وفي النصوص القصيرة جدًا والحساسة، لا يزال التصحيح اليدوي يحتفظ بمكانته.