لماذا تُلصق بعض ملفات PDF بشكل مثالي في Excel وأخرى لا

ملف PDF ذو طبقة نص يُنشأ مباشرة من برنامج مثل Excel أو Word أو نظام محاسبي — النص الذي تراه نص حقيقي وقابل للتحديد وله بنية أساسية. أما ملف PDF الممسوح ضوئياً فهو صورة أو مسح ضوئي لمستند ورقي مسطّح في صورة واحدة؛ لا يوجد نص للتحديد، فقط بكسلات تشبه الحروف.

يمكنك معرفة أي نوع لديك باختبار واحد: افتح الملف وحاول تحديد بضع كلمات بالماوس. إذا تم تمييز نص حقيقي ونسخه، فهو ملف ذو طبقة نص. إذا لم يتم تحديد شيء، أو ظهر مربع مصمت بدلاً من النص، فهو صورة.

أداة PDF to Excel في RowMint تقرأ طبقة النص الفعلية ومواضع أعمدتها لإعادة بناء الجدول — تعمل بالكامل داخل متصفحك ولا ترفع الملف إلى أي مكان أبداً. هذا يعمل فقط لأن هناك نصاً حقيقياً للقراءة. أعطها ملفاً ممسوحاً ضوئياً ولن يكون هناك شيء لاستخراجه.

أما بالنسبة للمستندات الممسوحة ضوئياً أو المصوّرة، فتتبع أداة Scanned PDF to Excel نهجاً مختلفاً تماماً: ترسل صورة كل صفحة إلى نموذج OCR يقرأ البكسلات ويعيد بناء النص قبل أن تحاول RowMint بناء جدول منه. هذه عملية مختلفة جوهرياً — وأبطأ وأقل يقيناً — من قراءة طبقة نص موجودة فعلاً.

التنسيقات متعددة الأعمدة، والخلايا المدمجة التي تظهر كنص متداخل، والجداول بلا خطوط شبكة ظاهرة، كل ذلك قد يربك إعادة بناء الأعمدة حتى عندما يكون النص نفسه حقيقياً. إذا خرج الجدول بأعمدة مدمجة أو مقسّمة بشكل غريب، تحقق مما إذا كان الأصل يحتوي على تباعد أو محاذاة غير معتادة بدلاً من افتراض أن الأداة فشلت تماماً.