كيفية تحويل PDF إلى Word: 4 طرق وOCR وما يتعطل

صمّمت Adobe صيغة PDF عام 1993 كي يُطبع المستند بالشكل نفسه على أي جهاز، وأصبحت الصيغة معيارًا دوليًا هو ISO 32000-1 عام 2008. وللوفاء بهذا الوعد، تكون صفحة PDF قائمة من تعليمات الرسم: ضع هذه الحروف في هذه الإحداثيات بهذا الخط، وارسم خطًا هنا، وضع صورة هناك. والجملة التي تلتف إلى سطر ثانٍ هي في الحقيقة مقطعان نصيان غير مرتبطين يقعان أحدهما فوق الآخر. لا يوجد في الملف ما يدل على أنهما ينتميان معًا.

أما مستند Word فيعمل بالعكس. يخزّن ملف DOCX، المعرَّف بمعيار Office Open XML (ECMA-376 ثم ISO/IEC 29500)، الفقرات والأنماط والجداول وفواصل الأقسام والرؤوس، ويقرر Word مكان انكسار كل سطر في كل مرة يرتّب فيها الصفحة. عند إضافة كلمة تُعاد صياغة الفقرة. وإذا غيّرت الهامش أو الخط أو مقاس الورق تحرّك كل سطر. وهذا السلوك هو ما تريده عند التحرير تمامًا، وهو ما لا يسجله PDF أبدًا لأن ملف PDF يكون منتهيًا لحظة حفظه.

لذلك فتحويل PDF إلى Word عملية إعادة بناء لا مجرد فك للملف. فعلى المحوّل أن يخمّن أي الأسطر تشكل فقرة واحدة، وأي سطر عريض هو عنوان لا جملة قصيرة بخط عريض، وأي كلمات متراصفة تشكل جدولًا، وبأي ترتيب يجب قراءة عمودين. تخمّن المحولات الجيدة جيدًا في المستندات النظيفة وبشكل سيئ في المزدحمة. وإذا صُدّر PDF مع وسوم (طبقة البنية المستخدمة لإتاحة الوصول) تتحسن التخمينات، لأن الوسوم تسجل العناوين والقوائم وترتيب القراءة صراحةً.

هناك نوعان مختلفان تمامًا ينتهي كلاهما بـ .pdf. ملف PDF النصي صُدّر من Word أو Google Docs أو نظام محاسبة أو نافذة الطباعة في المتصفح، ويحتوي على حروف حقيقية يمكنك تحديدها ونسخها والبحث فيها. أما ملف PDF الممسوح ضوئيًا فأنشأه ماسح ضوئي أو آلة تصوير أو تطبيق على الهاتف، وكل صفحة فيه صورة لورقة. وبالنسبة إلى المحوّل لا تحتوي الصفحة الممسوحة على أي كلمات، بل على بكسلات فقط، حتى لو بدا النص واضحًا تمامًا على الشاشة. لا يدلك اسم الملف ولا أيقونته على النوع؛ فالنوعان متطابقان في مدير الملفات.

يجب أن تمر الصفحة الممسوحة بالتعرف الضوئي على الحروف (OCR) قبل أن يخرج منها أي شيء قابل للتعديل. يفحص OCR أشكال الحروف ويحوّلها إلى نص، وتعتمد دقته على الدقة والتباين والميلان واللغة. المسح النظيف بدقة 300 dpi بحبر أسود على ورق أبيض يُقرأ بدقة شبه تامة، أما صورة هاتف ملتقطة بزاوية تحت مصباح مكتب فتُنتج أخطاء إملائية في كل فقرة. والمحولات التي لا تدعم OCR تعطيك إما مستندًا فارغًا أو ملف Word تُلصق فيه كل صفحة كصورة واحدة.

كثير من الملفات الواقعية مختلطة: عقد مُصدَّر كنص مع صفحة توقيع ممسوحة في النهاية، أو تقرير بملحق من إيصالات ممسوحة. وأفضل من يتعامل مع هذه الحالات محوّل يفحص كل صفحة على حدة، فيقرأ الصفحات النصية مباشرة ويستخدم OCR حيث تلزم فقط، فتبقى الصفحات المُصدَّرة سليمة الحروف. وإذا كنت تُجري المسح بنفسك، فإن دليل مسح المستندات ضوئيًا إلى PDF يشرح الدقة والإضاءة اللتين تمنحان OCR أفضل فرصة.

يفتح Microsoft Word ملفات PDF مباشرة منذ Word 2013، عبر ميزة تسميها Microsoft إعادة تدفق PDF (PDF Reflow). وهو الخيار البديهي إذا كان Word مثبتًا لديك، ويؤدي جيدًا مع الرسائل والتقارير البسيطة. ويحوّل ملفًا واحدًا في كل مرة. ويقدم Google Docs طريقة مشابهة عبر Google Drive. وتوصي صفحة مساعدة Google حول تحويل ملفات PDF إلى نص بملفات حجمها 2 MB أو أقل، وتذكر أن القوائم والجداول والأعمدة والحواشي السفلية وحواشي النهاية يُستبعد اكتشافها، وهذا ما يتوافق مع الواقع: تصل الكلمات، لكن البنية غالبًا لا تصل.

يصدّر Adobe Acrobat Standard وPro إلى Word عبر أداة Export PDF ويطبّق التعرف على النص تلقائيًا على الصفحات الممسوحة. وAcrobat اشتراك مدفوع، أما Acrobat Reader المجاني فلا يتضمن التصدير. ويقع المحوّل في المتصفح بين هذه الخيارات: لا شيء يُثبَّت، ويعمل على أي نظام تشغيل، ويتيح عادةً الاختيار بين النص المتدفق والتنسيق الدقيق. في صفحة تحويل PDF إلى Word يقرأ خيار التعرّف على النص (OCR) على الوضع التلقائي الصفحات التي لا طبقة نصية فيها فقط، ويحدد لغة المستند أبجدية OCR للمسوح غير الإنجليزية.

توجد ميزة إعادة تدفق PDF في Word داخل نافذة فتح الملفات العادية، ولهذا لا يلاحظها كثيرون. وهي تعمل في Word 2013 و2016 و2019 و2021 وMicrosoft 365 على Windows. يعرض Word إشعارًا بأنه سيحوّل ملف PDF إلى مستند قابل للتعديل، وأن ذلك قد يستغرق وقتًا، وأن النتيجة قد لا تطابق الأصل تمامًا، خاصةً إذا كان الملف يحتوي على رسومات كثيرة. انقر OK فتُفتح النسخة المحوّلة كمستند جديد غير محفوظ؛ ولا يتغير ملف PDF نفسه أبدًا.

تذكر وثائق Microsoft نفسها عناصر قد لا تتحوّل، منها الحواشي السفلية الممتدة على أكثر من صفحة، وحواشي النهاية، وإشارات PDF المرجعية والتعليقات، وتأثيرات الخط مثل التوهج أو الظل. وعمليًا يميل Word أيضًا إلى تحويل الأشرطة الجانبية والاقتباسات البارزة وصفحات المجلات متعددة الأعمدة إلى مربعات نص عائمة، تبدو سليمة لكن تعديلها مرهق. كما لا يوفر Word إعدادًا للغة المسح الضوئي، فالنص المشكّل أو غير اللاتيني في الصفحات الممسوحة نتيجته غير مضمونة. ومع ذلك، ففي رسالة من صفحة واحدة أو تقرير بسيط تكون هذه غالبًا أسرع طريقة، وتكون النتيجة في المحرر الذي ستستخدمه أصلًا.

النص ذو العمود الواحد والعناوين الحقيقية يُحوَّل جيدًا بأي أداة: الرسائل والمقالات والعقود ومعظم التقارير. وعادةً ما يبقى الخط العريض والمائل والقوائم النقطية والجداول البسيطة ذات الحدود الظاهرة. وتصل الصور ما دام المحوّل يحتفظ بها، وهو في المتصفح خيار الإبقاء على الصور، المفعّل افتراضيًا مع DOCX. وتبقى الروابط التشعبية عمومًا إذا كانت روابط حقيقية في PDF؛ أما النص الأزرق المسطّر الذي لم يكن رابطًا قط فيبقى نصًا عاديًا. وكلما كان التنسيق الأصلي أنظف وأكثر تقليدية قلّ شعورك بالتحويل أصلًا.

تبدأ المشكلات حيث يحمل تخطيط الصفحة معنى. فقد يُقرأ النص ذو العمودين بالعرض بدل الطول. والجداول بلا خطوط فاصلة يصعب اكتشافها وقد تصل كأسطر مفصولة بعلامات جدولة. أما الرؤوس والتذييلات وأرقام الصفحات فتُرسم في كل صفحة كنص عادي، فتقع غالبًا في وسط المتن مرة لكل صفحة. وتتحول حقول النماذج القابلة للتعبئة إلى نص عادي أو تضيع. والخطوط المضمّنة غير الموجودة على جهازك تُستبدل بأقرب ما يشبهها، فتتغير أطوال الأسطر. وللمستندات التي معظمها جداول، فجدول البيانات هو الهدف الأفضل؛ راجع استخراج الجداول من الصور وملفات PDF.

قبل أن تعدّل أي شيء، خصّص دقيقتين لفحص التحويل، فمشكلة البنية أسهل إصلاحًا في البداية منها بعد إعادة كتابة نصف النص. ضع ملف PDF وملف Word جنبًا إلى جنب وتصفّح كليهما. ابحث عن فقرات ناقصة عند حدود الصفحات، ورؤوس صفحات مكررة داخل النص، وجداول تحولت إلى أسطر متفرقة. وعند إظهار علامات التنسيق، فإن وجود علامة فقرة في نهاية كل سطر يعني أنك حصلت على تخطيط سطر بسطر بدل الفقرات؛ وإعادة التحويل بخيار نص متدفق تحل ذلك عادةً أسرع من دمج الأسطر يدويًا.

في الصفحات الممسوحة ضوئيًا، شغّل التدقيق الإملائي وانتبه بصورة خاصة للأرقام، فالمدقق الإملائي يتجاهلها. كثيرًا ما يخلط OCR بين الرقم 0 والحرف O، وبين 1 و l، وبين 5 و S، وفي فاتورة أو عقد يكون رقم واحد خاطئ أخطر من عشرة أخطاء إملائية. وإذا كانت فقرات كاملة مشوّهة، فتحقق من لغة المستند وأعد التحويل قبل التصحيح اليدوي. وعندما يتعذر إصلاح التخطيط، انسخ النص النظيف إلى مستند جديد مبني على قالبك الخاص؛ فهذا غالبًا أسرع من فك تشابك مربعات النص.

كل محوّل يحاول إعادة بناء مستند كان موجودًا أصلًا في شكل قابل للتعديل في مكان ما. إذا جاءك ملف PDF من زميل أو عميل أو من عملك السابق، فإن ملف DOCX أو Google Doc أو InDesign الأصلي أفضل دائمًا تقريبًا من أي تحويل: الأنماط سليمة، والجداول حقيقية، والتغييرات المتعقَّبة والتعليقات محفوظة. رسالة قصيرة تطلب فيها الملف المصدر قد توفر عليك ساعة من التنظيف، ونادرًا ما يمانع الناس. كما أنها تتجنب مشكلة أخفى: الملف المحوَّل يبدو مكتملًا، فقد تنتقل أخطاء صغيرة سببها التحويل إلى النسخة التالية دون أن يلاحظها أحد.

السؤال أولًا هو الخيار الصحيح للمستندات الطويلة التي ستعدّلها كثيرًا، وللقوالب التي ستعيد استخدامها، ولكل ما فيه جداول أو نماذج معقدة، وللمستندات القانونية والمالية التي يمثل فيها رقم واحد مقروء خطأً خطرًا. أما التحويل فهو الخيار الصحيح عندما يضيع المصدر، أو عندما يكون PDF مسحًا ضوئيًا لورق لم تكن له نسخة رقمية، أو عندما تحتاج إلى اقتباس بضع فقرات فقط. وفي هذه الحالة يُخرج محول PDF نصًا عاديًا أيضًا، وهو أنظف للاقتباس من ملف Word كامل التنسيق.

ملف PDF الموقّع أو المصدّق حالة خاصة. تحويله إلى Word يزيل التوقيع وصلاحيته، لذا اعتبر ملف Word نسخة عمل فقط. وإذا احتجت إلى إرسال نسخة معدلة، فأجرِ تغييراتك في نسخة Word، وصدّرها إلى PDF من جديد، ووقّعها من جديد؛ ولا تقدّم الملف المحوَّل على أنه الأصل الموقّع. وينطبق الأمر نفسه على ملفات PDF التي تحمل تصديقًا أو ختمًا رسميًا: قد تبقى العلامة المرئية، لكن إثباتها الرقمي لا يبقى.