العمل مع ملفات PDF العربية
تفتح عقدًا عربيًا، وتحدّد فقرة، وتنسخها، وتلصقها في بريد. فما يحطّ صفٌّ من حروف مفكّكة — أو الحروف الصحيحة بترتيب خطأ، أو سلسلة أحرف تبدو شبه صحيحة وليست كذلك. يُعرَض ملف PDF على أكمل وجه. وفي اللحظة التي تحاول فيها إخراج النص، ينهار. هذا ليس عطبًا في برنامجك. إنه مشكلة صعبة حقًا تطلّ من خلاله.
لماذا العربية أصعب من الكتابة اللاتينية
الإنجليزية تطلب القليل جدًا من نظام النص: الحروف تجلس في صفّ، من اليسار إلى اليمين، كلٌّ بالشكل نفسه أينما ظهر. أما العربية فتطلب أكثر بكثير، وكل واحدة من هذه الخصائص موضعٌ تخطئ فيه الأدوات:
- متّصلة بطبيعتها. الحروف تتّصل. هذا ليس زخرفة — بل هو كيف تعمل الكتابة.
- الحروف تتغيّر شكلًا بحسب الموضع. يمكن أن يكون للحرف الواحد حتى أربعة أشكال: منفردًا، وفي بداية الكلمة، وفي وسطها، وفي نهايتها. الحرف نفسه، المعنى نفسه، أربع صور مختلفة.
- تجري من اليمين إلى اليسار — لكن ليس كل شيء كذلك. الأرقام والكلمات اللاتينية المضمّنة تجري من اليسار إلى اليمين داخل نصّ يمينيّ.
- التشكيل اختياري وذو معنى. علامات الحركات القصيرة قد تكون حاضرة أو غائبة، وهي تغيّر القراءة.
لذا فعرض العربية بشكل صحيح يتطلّب من العارض اختيار الشكل الصحيح لكل حرف بناءً على جيرانه، ثم توزيع الأشطر مختلطة الاتجاه بتماسك. وكلتا الخطوتين هما من حيث تأتي المشكلة.
التشكيل، ولماذا ينكسر النسخ واللصق
إليك الآلية، لأن معرفتها تفسّر كل عَرَض ستقابله.
يُخزَّن النص في الترتيب المنطقي — الترتيب الذي تنطقه به. وقبل الرسم، يطبّق البرنامج التشكيل: اختيار الشكل الموضعي الصحيح لكل حرف، والاتجاهية (خوارزمية ثنائية الاتجاه)، التي تحسب كيف تتداخل الأشطر اليمينية واليسارية على السطر.
لكن ملف PDF لا يخزّن جملتك. بل يخزّن مُحارف (glyphs) — فهارس في خطّ — زائد مواضع. فقد حدث التشكيل أصلًا وخُبِز في الملف. ولإخراج النص مرة أخرى، يحتاج القارئ خريطة من المُحرَف إلى الحرف، وقد يتضمّنها الملف كجدول ToUnicode. وتلك هي العقدة:
- لا خريطة، لا نص. إذا لم يضمّنها المولّد، فالاستخراج يعطي أرقام مُحارف، لا حروفًا. تحصل على هراء يُعرَض جيدًا ولا يعني شيئًا.
- خريطة إلى الشيء الخطأ. بعض المولّدات تربط المُحارف بـأشكال العرض — كتلة يونيكود قديمة تحمل كل متغيّر مُشكَّل مسبقًا على حدة. النص المستخرَج بتلك الطريقة يبدو صحيحًا على الشاشة لكنه ليس عربية عادية: لن يطابقه البحث، ولن تتعامل معه البرامج الأخرى بشكل سليم.
- ترتيب ضائع. إذا خزّن الملف المُحارف بالترتيب البصري دون المعلومات اللازمة لعكسه، فتحصل على حروف بترتيب الرسم لا ترتيب القراءة — اللصق «المعكوس» الكلاسيكي.
- وصلات مكسورة. الاستخراج الذي يستعيد حروفًا منفردة دون وصلاتها ينتج ذلك الصفّ من الأحرف المفكّكة، كلٌّ صحيح على حدة.
لاحظ ما يعنيه هذا: ما إذا كانت العربية تُنسَخ من ملف PDF بشكل سليم قد حسمه ما أنتج الملف، غالبًا قبل سنوات. ولا قارئ يستطيع أن يستعيد كليًا معلومات ألقاها المولّد.
ما الذي يمكنك فعله بملف يرفض إعطاء نصّه
- جرّب الاستخراج أولًا. إذا صنع المستند مولّد كفؤ، فالنص هناك ويُنسَخ بنظافة. يستحقّ دائمًا ثلاثين ثانية قبل أي شيء أثقل.
- جرّب قارئًا مختلفًا. تختلف القارئات في مدى جودة عكسها للتشكيل وتعاملها مع الاتجاهية. فملف يُلصَق بشكل سيّئ من أحدها قد يُلصَق صحيحًا من آخر.
- إذا كان مسحًا، فلم يكن نصًّا قط. عندئذٍ لن ينفع أي قدر من النسخ، والتعرّف الضوئي هو الطريق الوحيد — انظر أدناه.
- إذا أعطى الاستخراج أشكال عرض، فلديك نص، لكن من النوع المزعج. قد يحتاج تسويةً قبل أن يكون قابلًا للبحث إلى جانب العربية العادية.
التعرّف الضوئي على العربية: أصعب، وصريح بشأن ذلك
حين يكون المستند مسحًا، يكون التعرّف هو الطريق الوحيد — وهو أصعب بوضوح للعربية منه للإنجليزية. كل خاصية أعلاه تعمل ضدّ المحرّك: الحروف تتّصل، فلا فجوة نظيفة للقطع بين الأحرف؛ والأشكال تتنوّع بحسب الموضع، مضاعفةً ما يجب التعرّف عليه؛ والنقاط فوق وتحت تميّز حروفًا متطابقة لولاها، فبقعة ضجيج ماسح قد تغيّر الكلمة؛ والتشكيل قد يكون حاضرًا أو غائبًا.
النتائج العملية تستحقّ قولها بوضوح:
- جودة المسح تهمّ أكثر من المعتاد. 300 dpi، تباين عالٍ، مستقيم. فمع العربية، المسح المتواضع لا يتدهور بلطف.
- استخدم النموذج العربي. التعرّف الضوئي على العربية — فنموذج إنجليزي على نصّ عربي لا ينتج شيئًا نافعًا.
- توقّع المراجعة. العربية المطبوعة آليًا والنظيفة تعطي نتائج جيدة. والجيد ليس المثالي، والأخطاء تميل إلى أن تكون فروق نقطة واحدة تغيّر المعنى لا هراءً واضحًا.
- الخط اليدوي مستبعَد. ليس حالة استخدام مدعومة في أي لغة، والخط اليدوي العربي خصوصًا.
التعرّف الضوئي يعمل على جهازك أنت وهو جزء من CyvoDocOps Pro؛ ولأن Pro يُشترى عبر App Store أو Google Play لا على الويب، فأدوات التعرّف الضوئي تعيش في تطبيق الجوال. وللخلفية العامة عن كيفية عمل التعرّف، انظر جعل PDF ممسوح ضوئيًا قابلًا للبحث.
الأختام والتعليقات في المستندات اليمينية
مستندات الأعمال العربية تعتمد على الأختام والأختام الرسمية أكثر بكثير من نظيرتها الغربية — اعتمادات، وإيصالات، ومصادقات رسمية. وإضافتها إلى ملف PDF تجلب تعقيداتها الخاصة: النص داخل الختم يحتاج تشكيلًا صحيحًا، وأعراف التموضع تتبع اتجاه القراءة، فختم يبدو طبيعيًا على صفحة يسارية قد يجلس بشكل محرِج على صفحة يمينية.
الأختام العربية تتولّى التشكيل كي يُعرَض النص عربية متّصلة لا صفًّا من حروف منفصلة — نمط الفشل الذي تحصل عليه من أدوات تعامل العربية كأنها لاتينية بأحرف مختلفة. وأدوات ذات صلة مثل أختام التاريخ والأحرف الأولى تتبع النمط نفسه.
عادات عملية للمستندات العربية
- احتفظ بالمصدر. الأصل من البرنامج الذي صنعه سيعطي دائمًا نصًّا أفضل من أي شيء يُستعاد لاحقًا.
- اختبر الاستخراج قبل أن تلتزم. إذا اعتمد سير عمل على البحث في ملفات PDF عربية، فتحقّق من أن النص يخرج فعلًا من عيّنة قبل البناء حوله.
- فضّل النص الحقيقي على المسوحات. ملف PDF عربي رقميّ الأصل يتفوّق على مسح في كل مرة. امسح فقط حين يكون الورق هو المصدر الوحيد.
- انتبه للمحتوى المختلط. المستندات التي تجمع العربية بمصطلحات إنجليزية، وأرقام فواتير، وتواريخ هي حيث تتركّز مشكلات الاتجاهية. تحقّق من تلك الأسطر تحديدًا.
- لا تحكم بالمظهر. ملف يُعرَض بجمال قد يكون مسحًا رغم ذلك، أو يحمل طبقة نص غير صالحة للاستخدام. حاول تحديد كلمة — فإن لم يتظلّل شيء، فهي صورة.
لماذا تهمّ المعالجة المحلية هنا
المستندات العربية التي تحتاج هذا النوع من العمل عادةً هي الرسمية: عقود، وأوراق حكومية، وسجلات تجارية، ووثائق هوية، ومحرّرات موثّقة. وتلك بالضبط الفئة التي يكون فيها الرفع إلى خدمة طرف ثالث أقل ملاءمة — وحيث «نحذف بعد ساعة» وعدٌ لا يمكنك تدقيقه. في CyvoDocOps، تعمل العمليات المدعومة محليًا داخل متصفّحك، والتعرّف الضوئي على الجهاز في تطبيق الجوال يعالج المسوحات دون إرسالها إلى أي مكان. انظر أدوات PDF العربية لما هو متاح.
الأسئلة الشائعة
لماذا يخرج النص العربي مفكّكًا حين أنسخه من ملف PDF؟
لأن ملف PDF يخزّن مُحارف مُشكَّلة مسبقًا والخريطة إلى الحروف الحقيقية مفقودة أو خطأ. الصفحة تُرسَم صحيحًا؛ والمعلومات اللازمة لإعادة بناء النص الأصلي أُلقيت حين صُنِع الملف.
لماذا يكون النص معكوسًا حين ألصقه؟
خزّن الملف المُحارف بترتيب الرسم دون معلومات كافية لاستعادة ترتيب القراءة. بعض القارئات تعكسه صحيحًا وأخرى لا — وتجربة قارئ مختلف إصلاح حقيقي.
هل التعرّف الضوئي على العربية بدقّة الإنجليزية؟
لا، وكل من يدّعي غير ذلك يبالغ. الحروف المتّصلة، والأشكال المعتمدة على الموضع، والنقاط الحاملة للمعنى كلها تجعله أصعب. والمسوحات المطبوعة النظيفة تعطي نتائج جيدة تستحقّ المراجعة رغم ذلك.
هل يمكنني البحث في ملف PDF عربي ممسوح ضوئيًا؟
ليس حتى تكون له طبقة نص. شغّل التعرّف الضوئي لإضافة واحدة — مع ملاحظة أن نتيجة بحث سلبية في مستند مطبّق عليه التعرّف ليست دليلًا على غياب الكلمة.
هل تُرفع مستنداتي العربية؟
لا. العمليات المدعومة على الويب تعمل محليًا في متصفّحك، والتعرّف الضوئي في تطبيق الجوال يعمل على جهازك. ولا يُرسَل المستند إلى أي خادم.