حوّل PDF إلى نص
PDF إلى نص يستخرج النص الموجود أصلًا في ملف PDF ويعيده كملف .txt عادي أو بصيغة RTF. لا يشغّل OCR، لذا تخرج المسوح المكوّنة من صور فقط فارغة.
اسحب الملفات وأفلتها هنا، أو انقر للاختيار
يقبل PDF · حتى 500.0 MB لكل ملف · حتى 20 ملفات في المرة الواحدة
يمكنك أيضًا لصق ملف باستخدام Ctrl/Cmd+V أو من قائمة الحافظة.
PDF إلى نص يستخرج الكلمات الموجودة أصلًا ككائنات نص. مسار `txt` الافتراضي يستخدم المستخرج المحلي نفسه الذي تستخدمه عمليات pdf-core الأخرى (`pdfio::extract_text`) ويعيد `text/plain`. لا يشغّل OCR ولا يستدعي LibreOffice.
عند اختيار `rtf` يمر الملف عبر LibreOffice `writer_pdf_import` بدلًا من ذلك. يحتاج هذا المسار إلى `soffice` على الخادم ويعيد بناء مستند نص منسّق بصورة تقريبية. توقّع استبدال خطوط وجداول معطوبة؛ عامل RTF كمسودة.
المسوحات الضوئية التي تتألف من صور فقط تعطي ملف `.txt` فارغًا أو شبه فارغ. OCR في هذا الموقع يعيد Markdown، لا PDF قابلًا للبحث يمكنك إعادة إرساله إلى هنا.
لا يوجد حقل نطاق صفحات. تُقرأ كل الصفحات. الملفات المحمية بكلمة مرور تُفتح لك في هذه الصفحة بمجرد إدخال كلمة المرور؛ أما مستخدمو API فيشغّلون «إزالة كلمة المرور» أولًا.
إذا كنت تحتاج العناوين والقوائم بدل تفريغ النص الخام، فـ«PDF إلى Markdown» هو الأقرب. وإذا كنت تحتاج الجداول على هيئة صفوف فاستخدم «PDF إلى CSV» أو «PDF إلى Excel».
يحتفظ الناتج بالاسم الأساسي للملف المرفوع، فيصبح `minutes.pdf` هو `minutes.txt` أو `minutes.rtf`. يحمّل مسار TXT المستند كاملًا، ويطلب من المستخرج كل الصفحات في استدعاء واحد، ويعيد النص كسلسلة `text/plain`. أي outputFormat غير `txt` أو `rtf` يُرفض بخطأ 400 يسرد القيمتين المسموحتين.
مثال عملي: دليل سياسات من 30 صفحة وُلد رقميًا وصُدّر من معالج نصوص. شغّله بصيغة TXT وافتح النتيجة في محرر: ستجد الفقرات والعناوين أسطر نص يمكنك البحث فيها أو تمريرها إلى سكربت. أما مسح ضوئي للدليل نفسه محفوظ من آلة تصوير بصورة واحدة لكل صفحة فسيعطي ملفًا فارغًا أو شبه فارغ، لأنه لا توجد كائنات نص لتُقرأ.
اختبار سريع لوجود طبقة نص: إذا استطعت تحديد كلمة بالمؤشر في عارض PDF فلدى المستخرج ما يقرؤه. وإذا لم تستطع فالملف صور. هذه الأداة بلا OCR؛ وأداة OCR في الموقع تعيد Markdown، فالمسار العملي للمسح الضوئي هو OCR أولًا ثم العمل من ذلك Markdown.
إذا جاء الناتج بالكلمات الصحيحة بترتيب خاطئ، فالأرجح أن PDF يخزّن نصه بترتيب يختلف عن الترتيب المرئي، وهذا شائع في التخطيطات متعددة الأعمدة. جرّب «PDF إلى Markdown» الذي يستخدم مستخرجًا مختلفًا، أو انسخ الصفحة المتأثرة يدويًا. وإذا فشل RTF بخطأ اعتمادية مفقودة فهذا يعني أن الخادم بلا LibreOffice؛ فاستخدم TXT بدلًا منه.
الميزات
- TXT الافتراضي باستخراج نص محلي، لا pdftotext ولا OCR
- RTF اختياري عبر LibreOffice `writer_pdf_import`
- يقرأ كل الصفحات؛ لا معامل نطاق صفحات
- نقطة API مجهولة: /api/v1/convert/pdf/text
حالات الاستخدام
- تمرير تقرير بطبقة نص إلى grep أو سكربت
- الحصول على مسودة RTF تقريبية من مذكرة وُلدت رقميًا
- التحقق مما إذا كان PDF يحتوي أصلًا على طبقة نص
- نقل صياغة دليل سياسات إلى محرر لمقارنتها بنسخة أقدم
كيف أستخرج النص من PDF؟
- تأكد من أن PDF فيه طبقة نص بتحديد كلمة في عارض PDF؛ وإذا لم تستطع فطبّق OCR أولًا واستخدم Markdown الذي يعيده.
- ارفع PDF وأدخل كلمة مروره إذا طلبتها الصفحة.
- أبقِ TXT لتفريغ نص خام يمكنك البحث فيه، أو اختر RTF فقط إذا أردت مسودة نص منسّق عبر LibreOffice.
- انقر «بدء المعالجة» ونزّل `.txt` أو `.rtf`؛ يطابق الاسم اسم الملف المرفوع.
- افحص الصفحتين الأولى والأخيرة مقارنة بـ PDF. الملف الفارغ يعني غياب طبقة النص؛ والترتيب المبعثر يعني أن PDF يخزّن نصه بغير ترتيب القراءة.
الحدود والحالات الحدّية
- ليس OCR؛ المسوحات الضوئية لا تكاد تعطي نصًا
- لا تحكم بنطاق الصفحات
- ترتيب القراءة المرئي متعدد الأعمدة لا يُعاد بناؤه في TXT
- لا تُعاد بناء العناوين أو القوائم أو الجداول في TXT
- RTF يحتاج LibreOffice على الخادم وهو إعادة بناء تقريبية
- حد الرفع في هذا الموقع: 500 ميغابايت لكل ملف، ويُرسل على أجزاء عندما يتجاوز نحو 95 ميغابايت. أما جسم طلب API المباشر الواحد فحده الأقصى 100 ميغابايت.
أمثلة
- تقرير سنوي قابل لتحديد النص غالبًا يعطي ملف .txt طويلًا بفقراته
- PDF لصورة سبورة ملتقطة بالكاميرا غالبًا يعطي ملفًا فارغًا أو صغيرًا جدًا
- دليل من 30 صفحة وُلد رقميًا باسم handbook.pdf يُنزَّل باسم handbook.txt
- إرسال outputFormat بقيمة `docx` إلى هذه النقطة يعيد خطأ 400 يسرد txt وrtf
خصوصية هذه الأداة
تُرفع الملفات عبر HTTPS، وتُعالَج في الذاكرة أو في مجلد مؤقت قصير العمر على خوادمنا، ثم تُحذف عندما يصبح الناتج جاهزًا. لا نحتفظ بنسخ للتصفح لاحقًا أو لتدريب النماذج أو لملفات الإعلانات. راجع سياسة الخصوصية لمدد الاحتفاظ وإفصاحات ملفات تعريف الارتباط الخاصة بـ AdSense.
أسئلة شائعة
- لماذا الملف النصي فارغ؟
- لا توجد في PDF كائنات نص يقرؤها المستخرج. المسوحات الضوئية تحتاج OCR إلى Markdown؛ وذلك Markdown لا يمكن إعادته إلى هذه الأداة.
- هل TXT مثل النسخ من عارض PDF؟
- قريب منه لكنه ليس مطابقًا. الترتيب يتبع طريقة تخزين النص في تيار محتوى الصفحة، وقد يختلف عن ترتيب القراءة المرئي في التخطيطات متعددة الأعمدة.
- متى أختار RTF؟
- فقط عندما تريد أن يعيد LibreOffice بناء مستند. TXT هو الاستخراج المباشر ولا يحتاج إلى soffice.
- هل تُحفظ الخطوط والتخطيط؟
- TXT نص خام. أما RTF فهو إعادة بناء بأفضل جهد، لا مطابقة بكسل ببكسل.
- هل أستطيع استخراج نص بعض الصفحات فقط؟
- ليس بهذه الأداة؛ تُقرأ كل الصفحات. شغّل «استخراج الصفحات» أولًا لتقليص PDF إلى الصفحات التي تريدها، ثم حوّل ذلك الملف.
- أي أداة تعطيني العناوين والقوائم بدل التفريغ الخام؟
- «PDF إلى Markdown». أما «PDF إلى نص» فيعيد النص دون بنية.
- أعطى PDF الممسوح ضوئيًا ملف .txt فارغًا. هل الملف تالف؟
- لا. المسح الضوئي صور لنص، فلا يوجد نص ليقرأه المستخرج. OCR يعيد Markdown يمكنك حفظه واستخدامه كنص.
- ما الاسم الذي يحصل عليه الملف المنزَّل؟
- الاسم الأساسي للملف المرفوع مع `.txt` أو `.rtf`، فمثلًا يصبح `minutes.pdf` هو `minutes.txt`.
- لماذا RTF أبطأ أو غير متاح مقارنة بـ TXT؟
- يمر RTF عبر LibreOffice على الخادم. إذا كان هذا البرنامج مفقودًا يفشل RTF بخطأ اعتمادية مفقودة بينما يظل TXT يعمل.
آخر تحديث:
الاستدعاء من الشيفرة
كل أداة هنا نقطة نهاية REST عادية. الاستخدام المجهول بلا حساب ولا مفتاح API. للمتصفح والمطوّرين والوكلاء على حد سواء.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfمتاحة أيضًا كأداة MCP لأي عميل وكيل يدعم Model Context Protocol (JSON-RPC 2.0 عبر POST /mcp). مرجع API الكامل
استخدمها من وكيل ذكاء اصطناعي
مهارةبهذه المهارة يستطيع Claude Code وCodex وCursor وغيرها من وكلاء الذكاء الاصطناعي تشغيل «PDF إلى نص» نيابةً عنك: /skills/pdf123-pdf-to-text.md
الملفات لهذه المعالجة فقط، وتُحذف تلقائيًا بعدها.