كاشف الصفحات المكررة في PDF

تعمل في المتصفح جديد تحليل PDF وإصلاحه

أسقط ملف PDF فتُقارن كل صفحة بغيرها: بنصها، فتطابق الصفحة التي لا تختلف إلا برقم الصفحة أو التاريخ، وبصورة مصغّرة منها للصفحات الممسوحة التي لا نص فيها. تذكر كل مجموعة أرقام صفحاتها وهل هي متطابقة، أو نصها واحد، أو نصها شبه متطابق، أو تبدو متشابهة فقط. لا يُحذف شيء؛ استخدم حذف صفحات PDF بعد ذلك إن أردت إزالة النسخ.

الخصوصية: تتم المعالجة محليًا في متصفحك. لا يُرفع ملفك إلى أي مكان.

ما الذي يوجد داخل ملف PDF، وماذا يفعل إصلاحه؟

ملف PDF ترويسة تسمّي إصداره، وجسم من كائنات مرقّمة (صفحات وخطوط وصور وتيارات)، وجدول إحالات مرجعية يسجل موضع بداية كل كائن، وذيل يشير إلى الفهرس والبيانات الوصفية. تعيش البيانات الوصفية في قاموس Info (العنوان والمؤلف والتواريخ والبرنامج المنتج) ومنذ PDF 1.4 في تيار XMP؛ والخطوط إما مضمّنة كاملة أو مجزّأة أو مُشار إليها بالاسم فقط. والعارض الذي لا يجد كائناً يمسح الملف ليعيد بناء جدول الإحالات — والإصلاح يفعل الشيء نفسه ويكتب الجدول المعاد بناؤه، وهو ما يعالج معظم أخطاء «الملف تالف» دون لمس الصفحات.

كيفية استخدام كاشف الصفحات المكررة في PDF

  1. أسقط ملف PDF (وافتح قفله إن طلب كلمة مرور).
  2. اختر مقدار التشابه المطلوب في النص.
  3. انقر «البحث عن التكرار».
  4. اقرأ المجموعات، واحذف النسخ بأداة حذف صفحات PDF إن أردت.

مزايا كاشف الصفحات المكررة في PDF

  • تكرار تام: النص نفسه والمظهر نفسه
  • النص نفسه بمظهر مختلف
  • نص شبه متطابق بنسبة 95 أو 90 أو 80%
  • الصفحات الممسوحة تُقارن بمظهرها
  • الصفحات الفارغة تُذكر منفصلة
  • أرقام صفحات جاهزة لأداة حذف صفحات PDF
  • لا يتغيّر الملف أبدًا

مثال على كاشف الصفحات المكررة في PDF

تقرير جُمع مرتين

الإدخال:

report.pdf، 24 صفحة، العتبة 90%

النتيجة:

3 مجموعات: الصفحتان 4 و17 متطابقتان؛ و6 و19 نصهما شبه متطابق (96%)؛ و22 و23 تبدوان متشابهتين (بلا طبقة نص)

الأسئلة الشائعة حول كاشف الصفحات المكررة في PDF

كيف تقرر الأداة أن صفحتين مكررتان؟

تقرأ طبقة النص في كل صفحة وصورة رمادية صغيرة لها. النص نفسه والصورة نفسها يعنيان أن الصفحتين متطابقتان؛ والنص نفسه بمظهر مختلف (تخطيط آخر أو ختم) يُعدّ «النص نفسه»؛ والنص المتطابق بنسبة 90% على الأقل — والعتبة قابلة للتغيير — يُعدّ «شبه متطابق»؛ أما الصفحات التي لا نص فيها فتُطابق بصورتها وحدها.

هل تعمل على ملفات PDF الممسوحة ضوئيًا؟

جزئيًا. لا طبقة نص في الصفحة الممسوحة، فتُقارن بمظهرها فقط: الصفحة نفسها الممسوحة مرتين تتطابق عادةً، لكن المسح الثاني المزاح أو المدار أو المختلف الإضاءة قد لا يتطابق. شغّل OCR PDF أولًا لإضافة طبقة نص، ثم افحص النسخة القابلة للبحث لمقارنة النص.

هل تحذف الصفحات المكررة؟

لا. تكتفي بالإبلاغ عنها، ولا يتغيّر ملفك. وتذكر أرقام الصفحات التي تكرر صفحة سابقة، فتكتبها في أداة حذف صفحات PDF.

لماذا تُذكر الصفحات الفارغة منفصلة؟

كل الصفحات الفارغة متشابهة، فعدّها مكررة يملأ التقرير بالضجيج. لذلك تُذكر منفصلة، ويمكنك حذفها إن أردت.

هل هناك حد لعدد الصفحات؟

حتى 1000 صفحة في الملف الواحد، لأن كل صفحة تُرسم مرة واحدة ويُقارن النص شبه المتطابق صفحة بصفحة. قسّم المستند الأطول بأداة تقسيم PDF أولًا.

هل يُرفع ملف PDF إلى خادم؟

لا. يفتح متصفحك الملف ويعالجه بـ WebAssembly وJavaScript؛ لا يُرسل شيء إلى متقن سوفت أو غيرها. أغلق التبويب ويختفي الملف. يحتاج تنزيل النتيجة إلى حساب مجاني، وتطلب الأداة حاليًا تسجيل الدخول قبل تشغيلها أيضًا — بلا اشتراك وبلا دفع.

هل تعمل الأداة على ملف PDF محمي بكلمة مرور؟

نعم إذا كنت تعرف كلمة المرور: تطلبها قائمة الملفات مرة واحدة ثم تعمل كل العمليات على الصفحات المفكوكة. تُحفظ النتيجة بلا كلمة مرور ما لم تحمِها مجددًا.

ملاحظات تقنية

تُقرأ طبقة النص في كل صفحة بـ pdf.js وتُوحَّد (حالة الأحرف والمسافات وعلامات الترقيم؛ أي نظام كتابة). تُجمع الصفحات ذات النص الموحّد نفسه، وتُقسم إلى متطابقة و«النص نفسه» ببصمة دقيقة لصورة رمادية 32 × 32 تُرسم من الصفحة. وتُقارن الصفحات الباقية بتشابه جاكارد لمقاطعها الثلاثية من الكلمات. والصفحات التي فيها كلمة أو كلمتان لا تطابق إلا النص نفسه تمامًا. أما الصفحات الخالية من النص فتُقارن ببصمة الصورة وببصمة فرق من 64 بت (بفارق 4 بتات على الأكثر)، وشبه الموحّدة منها تُعدّ فارغة. يجري كل شيء في المتصفح، ويُقرأ المستند فقط.

المراجع