فاحص ملفّات PDF العربيّة

اعرف في ثوانٍ لماذا يخرج النصّ العربيّ رموزاً أو حروفاً مقطّعة حين تنسخه من ملفّ PDF — وهل يحتاج ملفّك إلى تفريغ أصلاً.

لماذا يتحوّل النصّ العربيّ إلى رموز عند النسخ؟

ملفّ PDF قد يبدو سليماً تماماً على الشاشة، ثمّ تنسخ منه فيخرج كلامٌ لا يُفهم. والسبب أنّ ما تراه شيء وما هو مخزَّن في الملفّ شيءٌ آخر. وللمشكلة أربعة أصول، وهي ما يفحصه هذا الفاحص:

1. لا نصّ أصلاً. الملفّ صورٌ لصفحاتٍ مصوَّرة، فلا شيء يُنسخ. ويُعرف بأنّ الفأرة تحدّد الصفحة كلّها كتلةً واحدة.
2. أشكال الحروف بدل الحروف. بعض البرامج تخزّن الحرف بشكله المتّصل في الكلمة لا بحرفه الأساسيّ. يظهر النصّ صحيحاً، لكنّ البحث لا يعثر عليه، وكثيرٌ من البرامج تلصقه مقطّعاً أو مقلوب الترتيب.
3. ترميزٌ قديم أو ناقص. ملفّاتٌ أُنشئت بترميز ويندوز العربيّ القديم فتُقرأ بالغربيّ، فتصير «الحمد» «ÇáÍãÏ». أو خطٌّ بلا جدول تحويلٍ إلى يونيكود، فيخرج رموزاً وعلامات ترقيم.
4. تفريغٌ آليّ سابقٌ خاطئ. ملفٌّ مصوَّر مرّ على برنامج قراءةٍ لم يعرف العربيّة، فأضاف طبقة نصٍّ بحروفٍ لاتينيّة لا صلة لها بالكتاب.

وأكثر النصائح المنشورة تقول «جرّب برنامجاً آخر». وهي تنفع في حالةٍ واحدة فقط: أن يكون الملفّ سليماً والعلّة في البرنامج. أمّا الحالات الأربع فالعلّة في الملفّ نفسه، ولا يُصلحها تغيير البرنامج.

ماذا تفعل بالنتيجة

• نصّيّ سليم: انسخ مباشرةً. لا تحتاج إلى تفريغ، ولا إلى وَرَّاق.
• مصوَّر، أو نصٌّ تالف، أو مختلط: النصّ القائم لا يُصلَح. الحلّ قراءة الصفحة من صورتها من جديد — وهذه طرق ذلك ومواضع كلٍّ منها.

حدود هذا الفحص

يفحص حتى اثنتي عشرة صفحة موزّعة على الملفّ، لا الملفّ كلّه — فملفٌّ نادرُ الخلل قد يمرّ خلله. ويحكم بنوع الحروف المخزَّنة لا بصحّة الكلمات: نصٌّ عربيّ الحروف لكنّه مليءٌ بأخطاء تفريغٍ سابق يُعدّ عنده سليماً. فالنتيجة مؤشّرٌ قويّ لا شهادة، وأصدق اختبارٍ أن تنسخ فقرةً وتبحث فيها بنفسك.

الفحص كلّه يجري في متصفّحك. لا يُرفع الملفّ، ولا يُحفظ، ولا يطّلع عليه أحد.