استخراج النص العربي من الصور أونلاين — لماذا تكثر الأخطاء وكيف تحصل على نص سليم؟
تصوّر مستنداً وتريد نصه مكتوباً؟ نشرح لماذا تخطئ مواقع OCR المجانية في الحروف العربية، وما الذي يحدد دقة الاستخراج، وكيف تحوّل صورتك إلى نص سليم قابل للتحرير.
إذا جربت استخراج نص عربي من صورة فخرجت لك كلمات ناقصة وحروف غلط ونقاط في غير أماكنها، فالسبب أن أغلب مواقع OCR المجانية تستخدم محركات قديمة دُرّبت على الحروف اللاتينية وتتعامل مع العربية كإضافة ثانوية. والحل هو استخدام أداة مبنية على محرك تعرّف حديث يفهم الحروف العربية المتصلة ونقاطها واتجاهها — وهذا ما سنشرحه خطوة بخطوة في هذا المقال.
الحاجة نفسها يومية ومألوفة: صفحة من كتاب تصوّرها بجوالك، خطاب رسمي وصلك كصورة في واتساب، لوحة إعلانية، أو مرجع جامعي قديم لا توجد منه نسخة رقمية. تريد النص مكتوباً لتنسخه أو تعدّله أو تقتبس منه — لا أن تعيد كتابته سطراً سطراً.
لماذا تخطئ أدوات OCR في العربية تحديداً؟
تقنية التعرف الضوئي على الحروف (OCR) تنظر إلى الصورة وتحاول مطابقة الأشكال مع حروف تعرفها. والعربية تضع أمامها ثلاث عقبات لا تواجهها مع الإنجليزية:
الحروف متصلة ومتغيرة الشكل. حرف «ع» وحده غير «عـ» في بداية الكلمة وغير «ـعـ» في وسطها وغير «ـع» في نهايتها. المحرك الذي حفظ شكلاً واحداً لكل حرف سيضيع بين هذه الأشكال، فيقطّع الكلمات أو يخلط حروفها.
النقاط تصنع الفرق. ب، ت، ث، ن، ي — هيكل واحد تقريباً والفرق نقاط. أي ضعف في جودة الصورة أو في حساسية المحرك يحوّل «تمر» إلى «ثمر» و«نحن» إلى «بحث». لهذا ترى في نتائج المواقع الضعيفة كلمات تشبه كلماتك لكنها ليست هي.
الاتجاه من اليمين. حتى لو تعرّف المحرك على الحروف صحيحاً، بعض الأدوات تعيد تركيب الأسطر بترتيب معكوس — وهي نفس العلّة التي شرحناها في مقال الكلام يطلع مقلوب لما تنسخ من ملف PDF.
المواقع المجانية المنتشرة تعتمد غالباً محركات مفتوحة قديمة تعاني من الثلاثة معاً، فتعطيك نصاً «يشبه» صورتك وتترك لك مهمة تصحيحه كلمة كلمة — وأحياناً يكون التصحيح أبطأ من الكتابة من جديد.
ما الذي يحدد دقة الاستخراج؟
قبل الأداة نفسها، ثلاثة عوامل في صورتك تصنع نصف النتيجة:
- وضوح الصورة: صورة بإضاءة جيدة وبدون ميلان تعطي دقة أعلى بكثير من لقطة سريعة مائلة في إضاءة خافتة.
- نوع الخط: النصوص المطبوعة (كتب، خطابات، مستندات رسمية) تُستخرج بدقة عالية جداً. خط اليد يعتمد على وضوحه — الواضح المرتب يعطي نتائج جيدة، والمتشابك نتائج متفاوتة.
- بساطة الخلفية: نص أسود على خلفية فاتحة أسهل من نص فوق صورة أو زخرفة.
والنصف الثاني هو المحرك: الفرق بين محرك قديم ومحرك حديث مدرّب على ملايين المستندات العربية يظهر مباشرة في عدد الأخطاء التي ستصححها بعد الاستخراج.
الطريقة: من صورة إلى مستند Word خلال دقيقة
أداة تحويل صورة إلى وورد في MyPDFX مبنية على محرك تعرّف حديث عالي الدقة للعربية — يفهم أشكال الحروف المتصلة ونقاطها، ويعيد بناء النص باتجاهه وترتيبه الصحيحين، ثم يسلّمك النتيجة مستند Word جاهزاً للتحرير:
- افتح أداة تحويل صورة إلى وورد من متصفحك — كمبيوتر أو جوال، بدون تحميل برامج.
- ارفع صورتك (JPG أو PNG) — تُعالج بخصوصية وتُحذف تلقائياً بعد المعالجة.
- خلال لحظات حمّل ملف Word وافتحه — النص مكتوب قابل للنسخ والتعديل.
كل ما تحتاجه للبدء تسجيل الدخول بحساب مجاني، وكل عملية استخراج تستهلك رصيداً واحداً من حسابك.
وإذا كان مستندك ملف PDF لا صورة، فالأنسب أداة استخراج النصوص: مجانية للملفات النصية وتعمل داخل متصفحك، مع خيار OCR للملفات الممسوحة ضوئياً.
نصائح ترفع دقة النتيجة
- صوّر الصفحة من الأعلى مباشرة لا بزاوية، واملأ الإطار بالنص.
- تجنب الظلال — ضوء النهار قرب نافذة يكفي.
- إن كان المستند عدة صفحات، صوّر كل صفحة في لقطة مستقلة واضحة.
- راجع الأرقام والأسماء بعد الاستخراج — هي أكثر ما يستحق التدقيق في أي نتيجة OCR.
أسئلة شائعة
لماذا تخرج بعض الكلمات العربية غلط عند استخراج النص من صورة؟
لأن محركات OCR الضعيفة تخلط بين الحروف المتشابهة التي يفرّقها النقاط فقط (ب، ت، ث، ن، ي)، وتتعثر في أشكال الحرف المتصل. محرك حديث مدرّب على العربية + صورة واضحة = أخطاء أقل بكثير.
هل يتعرف الاستخراج على خط اليد؟
النصوص المطبوعة تُستخرج بدقة عالية جداً. خط اليد يعتمد على وضوحه: الكتابة المرتبة الواضحة تعطي نتائج جيدة، والخطوط المتشابكة أو السريعة تعطي نتائج متفاوتة تحتاج مراجعة.
هل أقدر أستخرج نصاً من ملف PDF ممسوح ضوئياً بنفس الطريقة؟
نعم — لكن لملفات الـPDF استخدم أداة استخراج النصوص في MyPDFX مباشرة، فهي تتعامل مع الملف صفحةً صفحة وتدعم OCR عالي الدقة للملفات الممسوحة، بدل تحويل كل صفحة إلى صورة يدوياً.
هل صورتي تبقى محفوظة في الموقع بعد الاستخراج؟
لا — الملفات تُعالج ثم تُحذف تلقائياً بعد انتهاء المعالجة. الصورة ترفع لغرض الاستخراج فقط ولا تُستخدم لأي غرض آخر.
الخلاصة
استخراج نص عربي سليم من صورة ليس حظاً — هو صورة واضحة زائد محرك يفهم العربية فعلاً. جهّز لقطة جيدة، وتجاوز المواقع التي تتعامل مع لغتك كملحق.
جرّب الآن: ارفع صورتك على أداة تحويل صورة إلى وورد من MyPDFX واحصل على نصك مكتوباً في ملف Word — بدون برامج، وبدون إعادة كتابة سطر واحد.