حوّلت ملف PDF عربيًا إلى Word، ففتحت المستند لتجد واحدة من هذه المشاكل: حروف منفصلة لا تتصل ببعضها مثل «ا ل م ع ل و م ا ت»، أو كلمات مقلوبة تُقرأ من اليسار إلى اليمين، أو رموزًا غريبة مثل «ÇáãÚáæãÇÊ»، أو لا شيء على الإطلاق: صفحة فارغة أو صورة لا يمكن تعديلها.
هذه المشكلة من أكثر ما يبحث عنه المستخدم العربي، ونادرًا ما تجد شرحًا يوضح لماذا تحدث. والسبب أن أغلب الشروحات تقترح «جرّب موقعًا آخر»، بينما يكمن الحل في فهم ما بداخل الملف. حين تعرف السبب، تعرف الحل المناسب مباشرة بدل تجربة عشرة مواقع.
- إن لم تستطع تحديد النص في ملف PDF فهو صورة ممسوحة، والحل هو OCR باللغة العربية.
- الحروف المنفصلة أو المعكوسة سببها طريقة تخزين النص العربي داخل الملف، وغالبًا تُحل بفتح الملف في Word أو Google Docs مباشرة أو بتطبيع النص.
- الرموز الغريبة (مثل Ç á ã) مشكلة ترميز في الخط؛ الحل الأضمن هو OCR.
- لا يوجد محوّل يحافظ على التنسيق المعقد للنص العربي بنسبة 100%. خطط لمراجعة يدوية.
أولًا: افحص ملفك في 30 ثانية
قبل أي حل، افتح ملف PDF في متصفحك أو في أي قارئ PDF، ثم:
- حاول تحديد جملة بالماوس. هل يظهر التظليل على الكلمات؟
- انسخ الجملة والصقها في أي مكان، مثل مربع البحث أو تطبيق الملاحظات.
- لاحظ النتيجة.
| ما يحدث | التشخيص | انتقل إلى |
|---|---|---|
| لا يمكن تحديد أي نص؛ الصفحة كلها تتحدد كمربع واحد | ملف ممسوح (صورة) | الحل 1: OCR |
| يُنسخ النص سليمًا ومقروءًا | ملف نصي سليم | الحل 3: التحويل المباشر |
| يُنسخ النص بحروف منفصلة (ا ل ك ت ا ب) | أشكال الحروف مخزنة كرموز عرض | الحل 4: التطبيع |
| يُنسخ النص مقلوبًا (باتكلا) | ترتيب بصري لا منطقي | الحل 5: عكس الترتيب أو OCR |
| يُنسخ رموزًا غريبة (ÇáßÊÇÈ) أو مربعات | خط بلا خريطة يونيكود | الحل 1: OCR |
هذا الاختبار البسيط هو أهم خطوة في الدليل كله، لأنه يحدد أي حل سينجح وأيها سيضيع وقتك.
لماذا يتلخبط النص العربي في PDF أصلًا؟
PDF ليس مستندًا نصيًا بل «وصف لصفحة»
صُممت صيغة PDF لتطبع الصفحة بالشكل نفسه على أي جهاز. لذلك تخزّن تعليمات من نوع «ارسم الشكل رقم 54 من الخط الفلاني عند الإحداثيات (120, 300)». الأهم في PDF هو شكل الصفحة، لا معنى النص. أما ملف Word فيخزن النص نفسه كحروف ذات معنى، ثم يقرر البرنامج كيف يرسمها.
لكي يحوّل أي برنامج PDF إلى Word، عليه أن «يخمّن» النص من هذه الأشكال. في اللغة الإنجليزية يكون التخمين سهلًا غالبًا، لأن كل حرف له شكل واحد تقريبًا ويُكتب من اليسار إلى اليمين. أما في العربية فهناك ثلاثة تعقيدات إضافية. شرحنا بنية PDF بتوسع في دليل ما هو ملف PDF وكيف يعمل.
التعقيد الأول: الحرف العربي له عدة أشكال
حرف العين مثلًا يُكتب بأربعة أشكال: «ع» منفردة، و«عـ» في البداية، و«ـعـ» في الوسط، و«ـع» في النهاية. في معيار يونيكود يوجد حرف أساسي واحد للعين، ووظيفة البرنامج أن يختار الشكل المناسب عند العرض. لكن يونيكود يحتوي أيضًا على رموز منفصلة لكل شكل من هذه الأشكال، تسمى أشكال العرض العربية (Arabic Presentation Forms).
بعض البرامج، خصوصًا القديمة، تخزّن في PDF هذه الأشكال الجاهزة بدل الحروف الأساسية. النتيجة أن النص يبدو سليمًا داخل PDF، لكن عند نسخه أو تحويله تحصل على رموز «مجمّدة» قد تظهر في Word منفصلة، أو بخط مختلف، أو تفشل في البحث والتدقيق الإملائي.
التعقيد الثاني: اتجاه الكتابة
يخزّن البرنامج الحديث النص بالترتيب المنطقي، أي ترتيب القراءة: الحرف الأول ثم الثاني ثم الثالث، ويتولى عارض الملف قلب الاتجاه عند العرض. لكن بعض البرامج القديمة تخزّن النص بالترتيب البصري، أي كما يظهر على الشاشة من اليسار إلى اليمين. فإذا نسخته وعرضه برنامج يعتمد الترتيب المنطقي، ظهرت الكلمة مقلوبة: «باتكلا» بدل «الكتاب».
التعقيد الثالث: الخط بلا «قاموس»
داخل PDF، يمكن أن يحمل الخط جدولًا يربط كل شكل بالحرف الذي يمثله، ويُسمى جدول ToUnicode. إذا غاب هذا الجدول، أو أنشأه برنامج بشكل خاطئ، فلا توجد طريقة لمعرفة أن الشكل رقم 54 هو «ع». عندها يخرج النص رموزًا عشوائية، وأشهر مثال عليه النص الذي يبدو مثل «ÇáÚÑÈíÉ»، وهو نص عربي فُسّر بترميز لاتيني خاطئ.
الحل 1: OCR باللغة العربية (الأضمن مع الملفات الممسوحة والتالفة)
تقنية التعرف الضوئي على الحروف (OCR) تتجاهل البيانات الداخلية للملف تمامًا، و«تقرأ» الصفحة كصورة كما تقرؤها عينك. لذلك تنجح حتى عندما يكون الترميز الداخلي تالفًا أو غير موجود.
- افتح أداة OCR استخراج النص.
- اختر الصورة أو ملف PDF.
- اختر اللغة: عربي فقط إن كان النص عربيًا بالكامل، أو عربي + إنجليزي إن كان مختلطًا. الاختيار الدقيق يرفع الدقة.
- اضغط «استخراج النص». في الاستخدام الأول يُحمَّل ملف اللغة من الإنترنت، ثم تتم المعالجة على جهازك.
- انسخ النص والصقه في Word، ثم اضبط اتجاه الفقرة من اليمين إلى اليسار.
نصائح لرفع دقة OCR العربي:
- الدقة المثالية للمسح حوالي 300 DPI. الصور الأقل دقة تُضعف التعرف على النقاط والحركات.
- الصفحة المستقيمة أفضل كثيرًا من المائلة. إن كانت مائلة فاستخدم تدوير ملف PDF أو أعد التصوير.
- الخطوط المطبوعة الواضحة مثل Arial وTahoma وTraditional Arabic تُقرأ جيدًا. أما الخط اليدوي والزخرفي، كالديواني والثلث، فدقته ضعيفة في كل أدوات OCR تقريبًا.
- الخلفيات الملونة والعلامات المائية تقلل الدقة. التحويل إلى رمادي بأداة PDF أبيض وأسود قد يساعد.
وللتعمق في هذا الموضوع، خصصنا دليلًا كاملًا عن استخراج النص العربي من الصور.
الحل 2: افتح الملف في Google Docs
يحوّل Google Drive ملفات PDF إلى مستندات قابلة للتعديل، ويطبّق OCR عند الحاجة، ويدعم العربية بشكل جيد عمومًا.
- ارفع ملف PDF إلى Google Drive.
- انقر عليه بالزر الأيمن ← فتح باستخدام ← مستندات Google.
- انتظر، ثم ستجد مستندًا جديدًا يحتوي صورة الصفحة يليها النص المستخرج.
- نزّل المستند كملف Word من: ملف ← تنزيل ← Microsoft Word.
عيوب هذه الطريقة: تفقد معظم التنسيق والجداول، وترفع الملف إلى خوادم Google، فلا تستخدمها مع المستندات السرية. كما أن هناك حدودًا لحجم الملف وعدد الصفحات التي تعالجها بهذه الطريقة.
الحل 3: افتح PDF في Microsoft Word مباشرة
الإصدارات الحديثة من Word، من Word 2013 فما بعد، تستطيع فتح ملفات PDF وتحويلها إلى مستند قابل للتعديل:
- افتح Word ← ملف ← فتح، واختر ملف PDF.
- تظهر رسالة تفيد بأن Word سيحوّل الملف. اضغط موافق.
- راجع المستند الناتج.
تعمل هذه الطريقة جيدًا مع ملفات PDF النصية السليمة، خصوصًا التي أنشئت أصلًا من Word، وتحافظ على جزء جيد من التنسيق. أما مع الملفات الممسوحة أو ذات الترميز التالف فلن تعطيك نتيجة أفضل من المصدر.
الحل 4: تطبيع الحروف المنفصلة (للمستخدمين المتقدمين)
إذا نُسخ النص بحروف منفصلة لكنها صحيحة الترتيب، فالمشكلة غالبًا في أشكال العرض العربية. الخبر الجيد أن معيار يونيكود يحدد طريقة رسمية لتحويل هذه الأشكال إلى الحروف الأساسية، تسمى التطبيع NFKC.
إن كنت تستخدم بايثون، يكفي سطر واحد:
import unicodedata
fixed = unicodedata.normalize("NFKC", text)
بعد التطبيع تعود الحروف أساسية، فيتولى Word وصلها بشكل صحيح، ويعمل البحث والتدقيق الإملائي. وإن لم تكن مبرمجًا، فالحل 1 (OCR) يحقق النتيجة نفسها عمليًا.
الحل 5: النص المقلوب
إذا ظهرت الكلمات مقلوبة الأحرف، كأن تقرأ «باتكلا» بدل «الكتاب»، فالملف يخزّن النص بالترتيب البصري. الحلول المتاحة:
- OCR هو الحل الأبسط والأضمن، لأنه يقرأ الصورة ويخرج النص بالترتيب الصحيح.
- إن كانت المشكلة في جمل قليلة، فأعد كتابتها يدويًا، فذلك أسرع من أي حل تقني.
- للمبرمجين: يمكن عكس ترتيب الأحرف داخل كل سطر برمجيًا، لكن انتبه للأرقام والكلمات الإنجليزية داخل السطر، لأنها تنقلب بشكل مختلف.
الحل 6: استخرج النص الخام ثم نسّقه بنفسك
أحيانًا يكون أسرع حل هو التخلي عن «الحفاظ على التنسيق»:
- استخدم PDF إلى نص لاستخراج النص فقط، إن كان الملف نصيًا سليمًا.
- أو استخدم PDF إلى Word (نص فقط) لتحصل على ملف DOCX يحتوي النص.
- طبّق تنسيقًا موحدًا في Word: خطًا واحدًا، واتجاهًا من اليمين إلى اليسار، والأنماط الجاهزة للعناوين.
هذه الطريقة تعطي مستندًا نظيفًا أسهل في التعديل من مستند «محافظ على التنسيق» مليء بالمربعات النصية العائمة التي تتحرك عند كل تعديل.
لماذا لا يحافظ أي محوّل على التنسيق بنسبة 100%؟
كثير من المواقع تعد بـ «تحويل مثالي مع الحفاظ على التنسيق». الحقيقة أن PDF لا يحتفظ بمعلومات مثل: هذه فقرة، وهذا عنوان، وهذا جدول من ثلاثة أعمدة. هو يحتفظ فقط بمواضع الأشكال على الصفحة. فيعيد المحوّل بناء البنية بالتخمين:
- الأعمدة المتجاورة قد تتحول إلى نص متداخل.
- الجداول قد تصبح مربعات نصية منفصلة.
- المسافات بين الكلمات العربية قد تختفي أو تتضاعف.
- الحواشي وأرقام الصفحات قد تدخل وسط النص.
في المستندات العربية، تتضاعف هذه المشاكل بسبب اتجاه النص وتشابك العربي مع الأرقام والإنجليزي. لذلك خطط دائمًا لمراجعة يدوية، وخصص لها وقتًا يتناسب مع أهمية المستند.
نصائح لتجنب المشكلة من الأساس
إذا كنت أنت من سينشئ ملف PDF عربيًا، فهذه النصائح تجعل تحويله لاحقًا أسهل لك أو لغيرك:
- احفظ PDF من Word أو Google Docs مباشرة، لا عبر «الطباعة إلى PDF» من برامج قديمة.
- استخدم خطوطًا عربية حديثة تدعم يونيكود بشكل كامل.
- لا تحوّل النص إلى منحنيات أو صور في برامج التصميم إلا للضرورة.
- احتفظ بملف Word الأصلي بجانب PDF دائمًا. التحويل العكسي من PDF إلى Word حل إنقاذي، لا سير عمل يومي.
- إن احتجت أرشفة طويلة الأمد، فاعرف معيار PDF/A الذي يضمن تضمين الخطوط وجداول الحروف.
الخصوصية: انتبه أين ترفع مستنداتك
ملفات PDF العربية التي نحتاج إلى تحويلها كثيرًا ما تكون عقودًا، أو خطابات رسمية، أو مستندات شخصية. معظم مواقع التحويل الشهيرة ترفع الملف إلى خوادمها. أدوات WPPR، ومنها OCR وPDF إلى Word، تعالج الملف داخل متصفحك. وفي حالة OCR يُحمَّل ملف بيانات اللغة فقط من الإنترنت، أما مستندك فيبقى على جهازك. اقرأ المزيد في صفحة الأمان.
حالات واقعية وما يناسب كل منها
عقد عربي من شركة، تحتاج تعديل بعض البنود
العقد غالبًا PDF نصي أنشئ من Word. اختبر النسخ واللصق: إن نجح، فافتح الملف في Word مباشرة وعدّل. وإن كان التنسيق معقدًا، كجداول وترقيم بنود، فقد يكون أسرع أن تطلب من الشركة ملف Word الأصلي. هذا طلب عادي ومشروع في التفاوض على العقود.
كتاب قديم ممسوح بالعربية، تحتاج اقتباسات منه
استخدم OCR على الصفحات التي تحتاجها فقط، لا الكتاب كاملًا. اختر «عربي فقط»، وراجع الاقتباسات حرفًا حرفًا، خصوصًا التشكيل في النصوص الأدبية والشعر. ووثّق الاقتباس برقم الصفحة من الأصل.
خطاب رسمي ممسوح، تحتاج إعادة صياغته
OCR ثم إعادة كتابة في Word بتنسيقك. لا تحاول الحفاظ على شكل الخطاب الأصلي، فالترويسة والأختام لا تُنقل كنص.
جدول أسعار أو كشف درجات
الجداول من أصعب ما يُحوّل. استخرج النص، ثم أعد بناء الجدول في Word أو Excel. وإن كان الجدول كبيرًا، فقص كل عمود في صورة منفصلة، واستخرج نصه وحده، ثم ضع الأعمدة جنبًا إلى جنب.
ملف مختلط عربي وإنجليزي، كتقرير تقني
اختر «عربي + إنجليزي» في OCR. وبعد اللصق في Word، راجع اتجاه السطور التي تبدأ بكلمة إنجليزية، فقد يقلب Word اتجاه الفقرة. حدد الفقرة واضبط اتجاهها من اليمين إلى اليسار يدويًا.
إصلاحات سريعة داخل Word بعد التحويل
بعد لصق النص أو فتح الملف المحوّل، هذه الإصلاحات تحل معظم المشاكل الشكلية:
- اتجاه الفقرات: حدد كل النص (Ctrl+A)، ثم اضغط زر «اتجاه النص من اليمين إلى اليسار» في تبويب الصفحة الرئيسية.
- المحاذاة: محاذاة لليمين أو ضبط على الجانبين للنص العربي.
- الخط: اختر خطًا عربيًا واحدًا، مثل Simplified Arabic أو Traditional Arabic أو Sakkal Majalla، وطبقه على كل النص.
- فواصل الأسطر الزائدة: المحوّل يضع أحيانًا فاصل سطر في نهاية كل سطر من الأصل، فتصبح الفقرة الواحدة عشرة أسطر منفصلة. استخدم «بحث واستبدال» لاستبدال علامة الفقرة (^p) بمسافة داخل الفقرات، ثم أعد الفصل بين الفقرات يدويًا.
- المسافات المزدوجة: استبدل كل مسافتين بمسافة واحدة، وكرر حتى لا يُعثر على شيء.
- الأرقام: إن ظهرت الأرقام بشكل مختلف عن المطلوب، فراجع إعداد «الأرقام» في خيارات Word المتقدمة: سياقي، أو عربي، أو هندي.
لماذا تفشل المواقع المجانية مع العربية أكثر من الإنجليزية؟
أغلب محركات تحويل PDF إلى Word صُممت أولًا للغات اللاتينية، ثم أضيف دعم العربية لاحقًا. لذلك نرى أنماط فشل متكررة:
- اعتماد على النص الداخلي فقط: المحوّل يقرأ النص المخزن في PDF كما هو. فإن كان مخزنًا بأشكال العرض أو بالترتيب البصري، نقله كما هو بعيوبه.
- إعادة بناء التخطيط من اليسار إلى اليمين: المحوّل يرتب المربعات النصية حسب موقعها الأفقي، فينقلب ترتيب الأعمدة في المستندات العربية.
- خطوط بديلة غير عربية: إن لم يجد الخط الأصلي، استخدم خطًا لا يدعم العربية جيدًا، فتظهر الحروف منفصلة.
فهم هذه الأنماط يوضح لماذا يكون OCR أحيانًا أفضل من «المحوّل الذكي»: لأنه يتجاهل البيانات الداخلية المعيبة، ويبدأ من الصورة كما تراها العين.
دليل اختيار سريع
| حالتك | ابدأ بـ | إن لم ينجح |
|---|---|---|
| ملف نصي سليم، وتحتاج التنسيق | فتحه في Word | Google Docs |
| ملف نصي سليم، وتحتاج النص فقط | PDF إلى نص أو PDF إلى Word | النسخ واللصق اليدوي |
| ملف ممسوح | OCR عربي | Google Docs |
| حروف منفصلة | OCR أو تطبيع NFKC | إعادة الكتابة |
| نص مقلوب | OCR | إعادة الكتابة |
| رموز غريبة | OCR | طلب الملف الأصلي من المصدر |
الأسئلة الشائعة
لماذا تظهر الحروف العربية منفصلة بعد التحويل إلى Word؟
لأن الملف يخزّن أشكال العرض الجاهزة للحروف بدل الحروف الأساسية، أو لأن الخط المستخدم لا يتضمن ربطًا صحيحًا بيونيكود. الحل الأبسط هو OCR، أو تطبيع النص NFKC إن كنت مبرمجًا.
لماذا تظهر رموز غريبة مثل ÇáÚÑÈíÉ؟
هذا نص عربي قُرئ بترميز لاتيني خاطئ، أو خط ليس فيه خريطة يونيكود. لا يوجد إصلاح موثوق للنص المستخرج نفسه. استخدم OCR لقراءة الصفحة كصورة.
هل يمكن تحويل PDF عربي ممسوح إلى Word قابل للتعديل؟
نعم، عبر OCR باللغة العربية. الدقة ممتازة مع الطباعة الواضحة بدقة 300 DPI، وتنخفض مع الخط اليدوي والصور الضعيفة.
ما أفضل برنامج لتحويل PDF عربي إلى Word؟
لا يوجد برنامج واحد يناسب كل الحالات. للملفات النصية السليمة يعمل فتحها في Word جيدًا. وللممسوحة والتالفة لا بديل عن OCR عربي. اختر حسب نتيجة اختبار النسخ واللصق في بداية هذا الدليل.
هل يحافظ التحويل على الجداول؟
نادرًا ما يحافظ عليها بشكل كامل مع العربية. ستحتاج غالبًا إلى إعادة بناء الجدول في Word. وللجداول الرقمية الكبيرة، اقرأ دليلنا عن تحويل جداول PDF إلى Excel.
هل أداة PDF إلى Word في WPPR تحافظ على التنسيق؟
الأداة تنقل النص فقط إلى ملف DOCX، دون الجداول والتنسيق المعقد. وهي مناسبة عندما تحتاج النص نفسه لتعيد تنسيقه بسرعة، لا نسخة طبق الأصل من الصفحة.
الخلاصة
تلخبط الحروف العربية عند التحويل ليس لعنة ولا عيبًا في جهازك، بل نتيجة طريقة تخزين النص داخل PDF. ابدأ دائمًا باختبار النسخ واللصق: إن لم يُنسخ شيء أو نُسخت رموز غريبة فاستخدم OCR، وإن نُسخ النص سليمًا ففتح الملف في Word أو أداة التحويل المباشر يكفي، وإن خرجت الحروف منفصلة أو مقلوبة فالتطبيع أو OCR يحلانها.
ابدأ الآن بأداة OCR استخراج النص لملفاتك الممسوحة، أو PDF إلى Word لملفاتك النصية، مجانًا ودون رفع.