ما هو التعرف الضوئي على الحروف (OCR)؟
التعرف الضوئي على الحروف (OCR) يحوّل بكسلات الصفحة الممسوحة أو الصورة إلى نص: يجد الأسطر والكلمات، ويتعرف على المحارف بنموذج مدرَّب لكل نظام كتابة، وينتج نصاً يمكن البحث فيه ونسخه وفهرسته. تعتمد الدقة على الوضوح (300 نقطة في البوصة هو الهدف المعتاد) والتباين والميل ونظام الكتابة — تحتاج العربية والديفاناغاري إلى نماذج لغوية خاصة — وينبغي مراجعة الناتج حيث يهم ذلك.
كيفية استخدام عدّاد كلمات PDF وإحصاءات النص
- أسقط ملف PDF.
- اختر الصفحات وسرعة القراءة إن شئت.
- انقر «عدّ».
- اقرأ المجاميع وجدول الصفحات والكلمات الأكثر تكرارًا.
مزايا عدّاد كلمات PDF وإحصاءات النص
- الكلمات والكلمات الفريدة والأحرف (مع/بدون مسافات)
- الأسطر والفقرات والجمل ومتوسط طول الكلمة
- وقت القراءة بسرعة تحددها
- جدول لكل صفحة
- الكلمات الأكثر تكرارًا (بلا الكلمات الوظيفية) قابلة للتنزيل
- عدّ اللاتيني والعربي والديفاناغاري سواء
مثال على عدّاد كلمات PDF وإحصاءات النص
هل المقال أقل من 3000 كلمة؟
الإدخال:
essay.pdf، الصفحات 2-12 (المتن فقط)النتيجة:
الكلمات 2874 · الفريدة 1102 · وقت القراءة 14 دقيقة · الأكثر تكرارًا: policy وmarket وgrowth…الأسئلة الشائعة حول عدّاد كلمات PDF وإحصاءات النص
كيف تُعدّ الكلمة؟
الكلمة تتابع متصل من الحروف أو علامات التشكيل أو الأرقام؛ ولا تفصلها الفواصل العليا والشرطات داخلها. يطابق ذلك عدّ Word للنثر العادي في حدود واحد أو اثنين بالمئة. تُعدّ الأرقام كلمات، أما الرموز المنفصلة مثل & و§ أو الشرطة المحاطة بمسافتين فلا تُعدّ، وهذا أحد مواضع اختلاف العدد عن معالج النصوص.
لماذا يختلف العدد عن معالج النصوص؟
يُعاد بناء نص PDF من مقاطع بمواضعها، فتُعدّ الفواصل في نهايات الأسطر والرؤوس والتذييلات وأرقام الصفحات والحواشي جميعها — وقد يستبعد معالج النصوص بعضها. اختر صفحات المتن فقط لتقترب.
هل يعدّ ملف PDF الممسوح؟
ليس مباشرة: المسح بلا نص. شغّل التعرف الضوئي على نص PDF أولًا ثم عدّ النتيجة القابلة للبحث.
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 فقط — 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
تقطيع واعٍ بـ Unicode (تتابعات \p{L}\p{M}\p{N} مع الفواصل العليا والشرطات الداخلية)؛ تنتهي الجمل عند . ! ? ؟ ।؛ وقائمة استبعاد قصيرة متعددة اللغات تبقي قائمة الكلمات الأكثر تكرارًا ذات معنى.
المراجع
- Tesseract OCR documentationمحرك التعرف الضوئي مفتوح المصدر: اللغات والنصوص المدعومة، وتحضير الصور، وعوامل الدقة.
- PDF Reference — ISO 32000-1:2008 (PDF 1.7), Adobe copyمواصفة PDF 1.7 المتاحة للقراءة مجاناً: أشجار الصفحات وتيارات المحتوى والبيانات الوصفية والأذونات ومعالج الأمان القياسي.