تحويل ملف PDF إلى Word

ملف PDF لا يخزّن فقرات، بل يخزّن محارف مرسومة: كل حرف له إشارة إلى خط وموضع محدد على الصفحة. لا توجد جملة ولا عنوان ولا قائمة داخل الملف؛ هذه أشياء تجمعها عينك من المسافات بين العلامات. لذلك فإن كل برنامج يحوّل PDF إلى Word، وبرنامجنا من بينها، يقوم بإعادة بناء لا بترجمة: يقرأ آلاف المحارف الموضوعة بإحداثيات ويخمّن أيها ينتمي إلى السطر نفسه، وأي الأسطر تكوّن فقرة، وأي فقرة كانت في الأصل عنواناً. إدراك هذه الحقيقة وحدها يفسّر تقريباً كل ما تراه في النتائج: لماذا يتحوّل تقرير منسّق بإتقان، ولماذا يخرج بحث أكاديمي من عمودين متشابكاً، ولماذا يعطيك عقد ممسوح ضوئياً مستنداً فارغاً مهما كانت الأداة التي تستخدمها.

ما الذي يقرأه المحوّل فعلاً

طبقة النص في ملف PDF هي قائمة أوامر رسم. كل أمر يقول في جوهره: ضع هذه السلسلة من المحارف بهذا الخط عند هذا الإحداثي الأفقي والرأسي وبهذا الحجم. يمرّ المحوّل على القائمة ويبدأ التجميع. المحارف التي تشترك في خط أساس واحد ضمن هامش صغير تصبح سطراً. الأسطر التي تتوافق المسافة الرأسية بينها مع تباعد الأسطر المحيط تصبح فقرة، والفجوة الأكبر بوضوح تنهيها. حجم الخط وسماكته، مقارنةً بأكثر أحجام النص شيوعاً في الصفحة، يحدّدان ما يصير عنواناً: سطر أكبر بنحو أربعين بالمئة يليه نص عادي هو على الأرجح عنوان، ويُكتب في ملف Word عنواناً حقيقياً لا نصاً عريضاً. أما النقاط أو الأرقام في بداية السطر مع إزاحة ثابتة تحتها فتتحوّل إلى عناصر قائمة. لا شيء من ذلك مخزّن في الملف؛ كله استنتاج، وهذا الاستنتاج هو ما يفصل نتيجة صالحة للعمل عن جدار من الأسطر المتناثرة.

أين تنهار إعادة البناء

ثلاثة أشكال من التنسيق تكسر هذه الافتراضات. الصفحات متعددة الأعمدة هي الحالة الكلاسيكية: عمودان متجاوران يتشاركان خطوط الأساس، فيخيط برنامج ساذج سطر العمود الأول إلى سطر العمود المجاور فيخرج كلام بلا معنى. الصواب أن يُكتشف الفراغ الفاصل بين العمودين وأن يُقرأ كل عمود حتى نهايته قبل الانتقال. الجداول هي الحالة الثانية: الجدول نص موضوع بإحداثيات مع خطوط أحياناً، وكثيراً ما يكون بلا خطوط إطلاقاً، فيبدو الجدول وقائمة أرقام مصفوفة بعناية شيئاً واحداً بالنسبة للمحلّل. الحالة الثالثة هي العناوين المرقّمة. سطر يبدأ بعبارة «١. نطاق الخدمات» يشبه تماماً أول بند في قائمة مرقّمة، وترتيب الاختبارين داخل المحوّل هو ما يقرّر ما ستحصل عليه. وقعنا نحن في هذا واضطررنا إلى وضع اختبار العنوان قبل اختبار القائمة، لأن العنوان المرقّم في المستندات التي يحوّلها الناس فعلاً أكثر شيوعاً بكثير من قائمة من بند واحد.

الملفات الممسوحة ضوئياً لا تعطي شيئاً، وهذه هي الأمانة

إذا كانت الصفحة قادمة من ماسح ضوئي أو من كاميرا هاتف فهي تحتوي صورة واحدة كبيرة ولا تحتوي طبقة نص إطلاقاً. لا توجد محارف لتُجمَّع، وبالتالي لا يوجد ما يُعاد بناؤه. أمام الأداة خياران: أن تعيد مستنداً فارغاً، أو أن تشغّل التعرّف الضوئي على الحروف فتخترع نصاً من البكسلات. نحن لا نجري تعرّفاً ضوئياً، لذلك نرفض الملف ونوضّح السبب بدل أن نسلّمك مستند Word بثلاث صفحات بيضاء. وهذا أهم مما يبدو: في عيّنة صغيرة من مستندات حقيقية اختبرناها، تبيّن أن ثلاثة من كل خمسة ملفات قابلة للقراءة كانت صوراً ممسوحة. إذا كان ملفك من هذه الفئة فالخطوة الصادقة هي أداة تعرّف ضوئي، ومن الحكمة أن تعامل مخرجاتها كمسودة تُراجَع لا كنص مُستعاد: التعرّف الضوئي يخمّن الحروف من أشكالها، والخطأ بثقة هو نمط فشله المعتاد.

الخطوط والترميز ومشكلة الحروف المشوّهة

هناك عطل ثانٍ أهدأ صوتاً: جدول تحويل المحارف. يستطيع ملف PDF أن يُضمّن جزءاً من خط بترقيم داخلي خاص به، وأن يرفق جدولاً يعيد هذه الأرقام إلى حروف حقيقية. حين يغيب هذا الجدول أو يكون خاطئاً — وهو أمر شائع في الملفات الصادرة عن برامج تنضيد قديمة وفي المستندات التي استُبدلت حروفها العربية عند الطباعة — يخرج النص المستخرَج كركام مقنع الشكل: أشكال كلمات صحيحة وحروف خاطئة. لا يستطيع المحوّل إصلاح ذلك من الملف نفسه لأن المعلومة ببساطة غير موجودة فيه. والعلامة الدالة أن المستند ذاته لا يقبل البحث داخل أي قارئ PDF: ابحث عن كلمة تراها بوضوح على الشاشة، فإن عجز القارئ عن إيجادها أيضاً فالجدول معطوب وكل الأدوات ستخرج بالفوضى نفسها. عندها ما تحتاجه هو المستند الأصلي لا ملف PDF.

كيف تفحص النتيجة قبل أن تثق بها

افتح ملف Word وتحقّق من أربعة أمور بالترتيب. أولاً: هل يسير النص بالترتيب الصحيح؟ اقرأ الصفحة الأولى كاملة، فأخطاء الأعمدة تظهر هناك فوراً وتختفي تماماً عند التصفّح السريع. ثانياً: هل العناوين عناوين حقيقية؟ انقر على أحدها وانظر إلى خانة الأنماط؛ إن كُتب فيها «عنوان ١» فبإمكانك إعادة بناء فهرس المحتويات، وإن كُتب «عادي» فما لديك نص عريض لا أكثر. ثالثاً: انظر إلى أي جدول وتأكّد أن قيمة لم تنزلق إلى عمود مجاور. رابعاً: ابحث عن رقم تعرف أنه في منتصف المستند — مجموع أو تاريخ أو بند فاتورة — وتأكّد من بقائه، لأن المحتوى الضائع هو العطل الأغلى ثمناً والأقل ظهوراً. مجموعة الاختبارات لدينا تنفّذ هذا الفحص الأخير تحديداً في كل بناء، بالضبط لأنه الفحص الذي يتخطاه المراجع البشري.

أي المستندات تتحوّل جيداً

قاعدة عملية: إذا وُلد المستند رقمياً في معالج نصوص أو في نظام حكومي وكان بعمود واحد فالنتيجة عادةً قابلة للتحرير مباشرة. العقود والمراسلات الرسمية والشهادات وكشوف الحساب البنكية والتقارير تقع في هذه الفئة. أما الكتيّبات المليئة بالتصميم وصفحات المجلات والأبحاث من عمودين وملفات الإخراج الفني فتُستعاد نصاً فقط لا تنسيقاً، وإعادة بناء الشكل تبقى على عاتقك. وأسرع طريقة لمعرفة فئة المستند أن تحاول تحديد جملة بالمؤشر داخل قارئ PDF: إن تحدّدت الجملة فثمة طبقة نص والتحويل ممكن، وإن تحدّدت الصفحة كلها ككتلة واحدة فما بين يديك صورة.