گاهی فایل PDF ظاهراً متن دارد، اما وقتی میخواهید یک جمله را انتخاب یا کپی کنید، هیچ متنی انتخاب نمیشود. در این حالت معمولاً با یک PDF اسکنشده یا تصویری روبهرو هستید؛ یعنی صفحهها در ظاهر شبیه متن هستند، اما در واقع مثل یک عکس داخل فایل قرار گرفتهاند. برای تبدیل PDF اسکنشده به Word قابل ویرایش، باید ابتدا متن داخل تصویر با فناوری OCR شناسایی شود و سپس خروجی در قالب متن یا فایل Word قابل اصلاح قرار بگیرد.
تبدیل PDF اسکنشده به Word نیاز خیلی از کاربران است. به همین دلیل در این راهنما تمرکز ما روی PDFهایی است که متن آنها قابل انتخاب نیست و باید به Word فارسی قابل ویرایش تبدیل شوند. اگر فقط میخواهید با روشهای کلی استخراج متن از فایلهای PDF آشنا شوید، میتوانید مقاله «تبدیل PDF به متن» را بخوانید.
PDF اسکنشده چیست و چه فرقی با PDF معمولی دارد؟
PDFها همیشه یکسان نیستند. بعضی از آنها متن واقعی دارند و میتوانید جملهها را انتخاب، کپی یا جستوجو کنید. به این نوع فایل، PDF معمولی یا PDF متنی میگویند. اما در PDF اسکنشده، هر صفحه در واقع یک تصویر است؛ درست مثل عکسی که از یک برگه گرفته شده باشد.
| نوع PDF | ویژگی | روش تبدیل |
| PDF معمولی یا متنی | متن داخل فایل واقعی است و میتوان آن را انتخاب، کپی یا جستوجو کرد. | معمولاً بهصورت مستقیم قابل تبدیل یا کپی است. |
| PDF اسکنشده یا تصویری | صفحهها به شکل عکس داخل فایل قرار گرفتهاند و متن قابل انتخاب نیست. | برای تبدیل به Word فارسی، به OCR نیاز دارد. |
بنابراین اگر فایل شما PDF معمولی باشد، معمولاً تبدیل آن سادهتر است. اما اگر PDF اسکنشده باشد، برای تبدیل آن به Word فارسی باید ابتدا متن داخل تصویر شناسایی شود. این دقیقاً همان جایی است که OCR فارسی اهمیت پیدا میکند. ابزار OCR تصویر صفحه را بررسی میکند، حروف را تشخیص میدهد و آنها را به متن قابل ویرایش تبدیل میکند. برای آشنایی با این فناوری میتوانید مقاله فناوری OCR چیست را بخوانید.
چرا متن بعضی PDFها قابل کپی نیست؟
دلایل مختلفی باعث میشود متن یک PDF انتخاب یا کپی نشود. شناخت این دلایل کمک میکند روش درستتری برای تبدیل PDF غیرقابل کپی به Word انتخاب کنید.
دلیل اول: فایل از روی کاغذ اسکن شده است
بسیاری از PDFهای اداری، دانشگاهی و بایگانیشده از روی کاغذ اسکن میشوند. در این حالت جزوه یا مدرک کاغذی را توسط دستگاه اسکنر، اسکن کرده و سپس تبدیل به فایل پی دی اف میکنند.
دلیل دوم: PDF از عکس یا اسکرینشات ساخته شده است
گاهی کاربر با موبایل از چند صفحه عکس میگیرد و آنها را به PDF تبدیل میکند. همچنین ممکن است از یک صفحه متنی نمایشدادهشده در موبایل یا کامپیوتر اسکرین شات بگیرد و آن را به پی دی اف تبدیل کند. این فایلها هم مانند PDF اسکنشده هستند و متنشان مستقیماً قابل کپی نیست.
دلیل سوم: متن داخل فایل، تصویر است نه نوشته واقعی
ممکن است PDF در ظاهر تمیز و خوانا باشد، اما متن آن در لایه تصویری قرار گرفته باشد. در این حالت، حتی اگر نوشتهها واضح باشند، سیستم نمیتواند آنها را بهعنوان متن واقعی تشخیص دهد؛ مگر اینکه با OCR پردازش شوند.
فایل رمز، محدودیت کپی یا ساختار پیچیده دارد
بعضی PDFها قفل یا محدودیت کپی دارند. بعضی دیگر هم دارای جدول، ستونبندی، مهر، امضا یا تصویرهای زیاد هستند. این موارد ممکن است تبدیل فایل به Word را سختتر کنند و خروجی نیاز به ویرایش نهایی داشته باشد.
بهترین روش تبدیل PDF اسکنشده به Word فارسی
برای تبدیل PDF اسکنشده به Word فارسی، بهترین روش این است که ابتدا متن داخل صفحات با یک ابزار OCR فارسی شناسایی شود و بعد خروجی در Word مرتب و ویرایش شود.
در فایلهای فارسی، انتخاب ابزار اهمیت بیشتری دارد. چون متن فارسی راستچین است و مواردی مثل نیمفاصله، اعداد فارسی و انگلیسی، جدولها، تیترها و کیفیت اسکن میتوانند روی نتیجه نهایی اثر بگذارند.
- ابتدا فایل PDF اسکنشده را با OCR فارسی پردازش کنید: ابزار، نوشتههای داخل تصویر را تشخیص داده و آنها را به متن قابل کپی تبدیل میکند.
- متن خروجی را بررسی کنید: حتی بهترین ابزارها هم ممکن است در فایلهای کمکیفیت، جدولدار یا چندستونه کمی خطا داشته باشند.
آموزش تبدیل PDF اسکنشده به Word
برای تبدیل PDF اسکنشده به Word میتوانید از ابزارهای مختلفی استفاده کنید. ما در این قسمت، آموزش را بر اساس نرمافزار اسکنیفای تنظیم کردهایم. با استفاده از این ابزار لازم نیست متن را دستی تایپ کنید. کافی است فایل را در ابزار بارگذاری کنید تا متن صفحات با OCR فارسی شناسایی شود. بعد میتوانید خروجی را در Word ، ویرایش و ذخیره کنید.
مرحله اول: وارد سایت Scanify شوید
ابتدا وارد سایت Scanify شوید و روی گزینه «شروع کنید» کلیک نمایید تا وارد صفحه تبدیل PDF اسکنشده به Wordشوید. این بخش علاوه بر فایلهایی که متن آنها قابل کپی نیست (مثل PDF اسکنشده، PDF تصویری، عکس از جزوه، فرم یا سند چاپی) برای PDF های معمولی قابل استفاده است.
مرحله دوم: فایل PDF را بارگذاری کنید
در این مرحله، فایل PDF اسکنشده خود را انتخاب و بارگذاری کنید. بهتر است قبل از بارگذاری، کیفیت فایل را بررسی کنید. اگر صفحهها خیلی تار، کج، کمنور یا دارای سایه باشند، ممکن است خروجی نهایی نیاز به اصلاح بیشتری داشته باشد.
برای نتیجه بهتر، فایل شما بهتر است این ویژگیها را داشته باشد:
- نوشتهها واضح و خوانا باشند
- صفحهها کج نباشند
- نور تصویر مناسب باشد
- متن خیلی ریز یا محو نباشد
- حاشیهها، مهرها و لکهها روی متن قرار نگرفته باشند
مرحله سوم: منتظر شناسایی متن با OCR فارسی بمانید
بعد از بارگذاری، Scanify فایل را پردازش میکند و متن داخل صفحات را تشخیص میدهد. در این مرحله، ابزار تلاش میکند حروف، کلمات، جملهها و ساختار کلی متن فارسی را از داخل تصویر استخراج کند.
مدت زمان پردازش به حجم فایل، تعداد صفحات و کیفیت اسکن بستگی دارد. فایلهای کوتاه و واضح معمولاً سریعتر و دقیقتر تبدیل میشوند.
مرحله چهارم: متن استخراجشده را بررسی کنید
بعد از پایان پردازش، متن خروجی را بخوانید و خطاهای احتمالی را اصلاح کنید. این مرحله مخصوصاً برای فایلهای فارسی مهم است؛ چون ممکن است در بعضی قسمتها نیمفاصله، اعداد، علائم نگارشی یا حروف مشابه نیاز به اصلاح داشته باشند.
اگر فایل شما جدول، چند ستون، تیترهای زیاد یا فونت نامناسب داشته باشد، بهتر است خروجی را با دقت بیشتری بررسی کنید.
مرحله پنجم: متن را وارد Word کنید
حالا متن استخراجشده را کپی کرده و داخل Word قرار دهید. سپس فایل را مرتب کنید:
- متن را راستچین کنید
- فونت فارسی مناسب انتخاب کنید
- تیترها را از متن اصلی جدا کنید
- فاصله پاراگرافها را تنظیم کنید
- جدولها را در صورت نیاز دوباره مرتب کنید
- غلطهای احتمالی OCR را اصلاح کنید
قبل از تبدیل PDF اسکنشده به Word، این نکات را رعایت کنید
برای اینکه تبدیل PDF اسکنشده به Word فارسی با دقت بیشتری انجام شود، کیفیت فایل ورودی بسیار مهم است. قبل از بارگذاری فایل، چند نکته ساده را بررسی و اصلاح کنید تا متن نهایی کمتر به ویرایش نیاز داشته باشد.
| مشکل فایل | راهحل پیشنهادی |
| صفحه کج است | قبل از تبدیل، تصویر یا صفحه PDF را صاف کنید. |
| کیفیت اسکن پایین است | از نسخه واضحتر یا اسکن با رزولوشن بالاتر استفاده کنید. |
| متن خیلی ریز است | فایل را با کیفیت بالاتر تهیه کنید تا حروف بهتر تشخیص داده شوند. |
| صفحه سایه دارد | نور، روشنایی و کنتراست تصویر را اصلاح کنید. |
| متن چندستونه است | بعد از تبدیل، خروجی را در Word مرتب کنید. |
| جدول دارد | انتظار کمی اصلاح دستی در Word داشته باشید. |
تبدیل PDF اسکنشده به Word بهتر است یا متن ساده؟
انتخاب خروجی مناسب به هدف شما بستگی دارد. همیشه لازم نیست PDF اسکنشده را به Word تبدیل کنید. گاهی فقط به متن خام نیاز دارید و گاهی باید فایل را ویرایش، قالببندی یا ذخیرهسازی کنید. جدول زیر به شما کمک میکند، تا خروجی موردنظر را انتخاب کنید.
| نیاز شما | خروجی بهتر |
| فقط میخواهید متن را کپی کنید | متن ساده |
| میخواهید فایل را ویرایش کنید | Word |
| میخواهید ظاهر سند حفظ شود | PDF قابل جستوجو |
| میخواهید پایاننامه، جزوه یا قرارداد را اصلاح کنید | Word |
اگر فایل شما قرار است در مقاله، پایاننامه، قرارداد یا گزارش استفاده شود، تبدیل PDF اسکنشده به Word فارسی کاربردیتر است؛ چون میتوانید متن را ویرایش کنید، تیترها را تغییر دهید، فونت و فاصلهها را تنظیم کنید و بخشهای اضافی را حذف کنید. اما اگر فقط میخواهید چند جمله را از فایل بردارید، متن ساده کافی است. برای آرشیو اسناد هم PDF قابل جستوجو گزینه مناسبی است، چون ظاهر فایل حفظ میشود و در عین حال میتوانید داخل آن جستوجو کنید.
مشکلات رایج در تبدیل PDF فارسی به Word
تبدیل PDF اسکنشده به Word فارسی همیشه بدون خطا نیست. کیفیت فایل، نوع فونت، جدولها، ستونبندی و حتی ترکیب اعداد فارسی و انگلیسی میتواند روی خروجی اثر بگذارد. رایجترین مشکلات اینها هستند:
بههمریختن راستچین و چپچین
در متنهای فارسی، گاهی بعد از تبدیل، ترتیب جملهها یا چینش پاراگرافها درست نمایش داده نمیشود. برای اصلاح این مشکل، متن را در Word انتخاب کنید و آن را روی حالت Right to Left و Align Right قرار دهید.
اشتباه شدن حروف مشابه فارسی
در بعضی فایلها، حروفی مثل «ه» و «ۀ» یا حروف نزدیک به هم اشتباه تشخیص داده میشوند. این خطا معمولاً در فایلهای کمکیفیت، تار یا دارای فونت نامناسب بیشتر دیده میشود.
مشکل نیمفاصله و فاصلههای اضافه
در تبدیل PDF فارسی به Word، ممکن است بعضی کلمات با فاصله زیاد یا بدون نیمفاصله نمایش داده شوند؛ مثل «می شود» بهجای «میشود». بهتر است بعد از تبدیل، متن را یکبار در Word بازبینی و فاصلههای اضافه را اصلاح کنید.
خراب شدن جدولها
اگر PDF اسکنشده جدول داشته باشد، ممکن است ساختار جدول دقیقاً مثل فایل اصلی وارد Word نشود. در این حالت، بهتر است ابتدا متن جدول را استخراج کنید و بعد جدول را بهصورت دستی در Word بازسازی کنید.
تشخیص اشتباه اعداد فارسی و انگلیسی
در فایلهایی مثل فاکتور، فرم اداری، قرارداد یا گزارش مالی، اعداد اهمیت زیادی دارند. گاهی OCR اعداد فارسی و انگلیسی را اشتباه یا جابهجا تشخیص میدهد. بنابراین بعد از تبدیل، حتماً شمارهها، تاریخها، مبلغها و کدها را بررسی کنید.
مشکل در فایلهای چندستونه
PDFهایی که متن آنها در دو یا چند ستون نوشته شده، ممکن است بعد از تبدیل به Word ترتیب درستی نداشته باشند. در این حالت، بهتر است خروجی را بخشبهبخش بررسی کنید و پاراگرافها را در جای درست قرار دهید.
چه فایلهایی برای تبدیل به Word نتیجه بهتری میدهند؟
هرچه PDF اسکنشده واضحتر و سادهتر باشد، خروجی Word دقیقتر خواهد بود. فایلهایی که معمولاً خروجی بهتری دارند، شامل موارد زیر هستند:
- PDF اسکنشده با کیفیت بالا؛
- جزوه تایپی اسکنشده؛
- قرارداد چاپی و خوانا؛
- فرم اداری ساده؛
- مقاله یا کتاب چاپی؛
- فاکتور و سند رسمی واضح
فایلهایی که معمولاً نتیجه ضعیفتری دارند شامل موارد زیر هستند:
- دستخط ناخوانا؛
- عکس تار یا بیکیفیت؛
- صفحه دارای سایه؛
- متن خیلی ریز؛
- فایل چندستونه پیچیده؛
- جدولهای شلوغ و فشرده.
برای نتیجه بهتر، قبل از تبدیل PDF اسکنشده به Word، اگر صفحهها کج، تار یا کمنور هستند، بهتر است فایل را با ابزارهایی مثل Microsoft Lens، Adobe Scan یا CamScanner دوباره اسکن و اصلاح کنید. برای توضیحات بیشتر مقاله «نکات مهم برای افزایش دقت در تبدیل عکس به متن»را بخوانید.
سوالات متداول
آیا PDF اسکنشده را میتوان به Word تبدیل کرد؟
بله. اگر PDF شما تصویری یا اسکنشده باشد، با OCR میتوان متن داخل صفحات را تشخیص داد و سپس آن را در Word ویرایش کرد.
چرا متن PDF من انتخاب نمیشود؟
چون احتمالاً صفحات فایل شما تصویر هستند، نه متن واقعی. این حالت معمولاً در PDFهای اسکنشده، عکسگرفتهشده یا فایلهایی که از روی برگه کاغذ ساخته شدهاند، دیده میشود.
آیا برای تبدیل PDF اسکنشده به Word باید نرمافزار نصب کنم؟
نه. اگر از ابزار آنلاین اسکنیفای استفاده کنید، میتوانید فایل PDF اسکنشده را در مرورگر بارگذاری کنید و متن آن را بدون نصب نرمافزار استخراج کنید.
تفاوت تبدیل PDF به متن و تبدیل PDF به Word چیست؟
در تبدیل PDF به متن، هدف اصلی استخراج متن خام از فایل است. اما در تبدیل PDF به Word، هدف این است که متن در محیط Word قابل ویرایش، اصلاح و قالببندی شود.
