من PDF إلى Excel

كثيراً جداً ما تخلو جداول PDF من أي خطوط حولها. وحيث توجد، تكون مرسومة على طبقة غير طبقة النص، غير مرئية لأي شيء يستخرج الكلمات. ولهذا تفشل المقاربات القائمة على العثور على الخطوط بهذا القدر من التكرار.

فالمقروء إذن هو الموضع. داخل السطر، فجوة أوسع بكثير من المسافة بين الكلمات تعني حدّ خلية، وحين تقف هذه الفجوات عند الموضع الأفقي نفسه عبر عدة أسطر متتالية تكون تلك الكتلة جدولاً. وثلاثة أسطر هي الحد الأدنى. فالكتل من سطرين تكون عادةً عنواناً مع تاريخ مدفوع إلى أقصى اليسار، وتحويلها إلى جدول يزيد القراءة صعوبةً لا يسراً.

الخلية الفارغة لا تترك أثراً في الملف لأنه لم تكن فيها حروف أصلاً. وربط الخلايا بالترتيب سيزيح كل شيء خانة واحدة، فتُسقَط كل خلية في أقرب عمود إليها ويُترك الباقي فارغاً.

حين تتوزع الجداول على عدة صفحات، فإن تكديسها في ورقة واحدة يُفقد أثر الصفحة التي جاء منها الرقم. لذلك تصير كل صفحة ورقة مستقلة مسمّاة برقم الصفحة.

وتُحفظ أيضاً الأسطر التي ليست جزءاً من جدول، سطر لكل صف. فإسقاط العنوان الذي كان فوق الجدول، أو الملاحظة التي تبيّن وحدة الأرقام، يتركك بأرقام بلا طريقة لقراءتها. كما تُنقل الصور والأختام المطبوعة على الصفحة، وتُجمع أسفل البيانات في كل ورقة حتى لا تطفو فوق الخلايا وتعيق الحساب.

ملف PDF ناتج عن تصوير ورق أو تمريره في ماسح مكتبي هو صورة واحدة لكل صفحة. عيناك تريان حروفاً، لكن الملف لا يحتوي على حرف واحد. لا شيء يُستخرج، فلا شيء يُعاد بناؤه.

تقول الأداة ذلك صراحةً بدل أن تسلّمك ملفاً فارغاً. وإن كانت بعض الصفحات فقط ممسوحة ضوئياً، فإنها تذكر أرقام الصفحات التي عادت فارغة. وقراءة النص من داخل الصور ليست مما تفعله هذه الأداة.

التحويل كله يجري داخل هذا المتصفح. قراءة ملف PDF وكتابة المستند الجديد يقوم بهما كود يعمل على جهازك. ولا توجد خطوة رفع أصلاً.

يمكنك التحقق بنفسك. افتح تبويب الشبكة في أدوات المطوّر (F12) ثم شغّل تحويلاً: إما أن يظهر طلب رفع بحجم ملفك، وإما ألا يظهر.