محوّلات PDF إلى Markdown

أيّها تختار؟

إن لم تكن متأكداً فاستخدم محوّل PDF إلى Markdown العام. هو الحالة الأكثر شيوعاً، ومخرجاته Markdown قياسي بصيغة GFM يعمل في أي مكان. أما بقية الصفحات فمنفصلة لأن ما ينبغي الانتباه له يختلف باختلاف الوجهة.

إن كان الناتج ذاهباً إلى قبو ملاحظات فراجع صفحة Obsidian. ما يتغير هناك ليس التحويل بل ما يأتي بعده: اسم الملف يصبح عنوان الملاحظة، وسلّم العناوين يبني المخطط، والملاحظة بلا روابط لا يراها الرسم البياني.

وإن كنت ستستورد أو تلصق في صفحة Notion فراجع صفحة Notion. يقبل Notion استيراد Markdown لكنه يقابل مجموعة كتل أضيق مما يقابله GitHub، ومعرفة ما ينجو مسبقاً توفّر عليك إعادة العمل.

إذا كنت تنوي إدخال النص المحوَّل مباشرة إلى نموذج لغوي، فراجع صفحتَي ChatGPT و Claude. تدور الصفحتان حول الأمر نفسه: ألا تُهدر الرموز (Tokens)، وأن تصل الجداول ومستويات العناوين دون أن تنكسر.

وإن كانت الجداول هي سبب التحويل أصلاً فراجع صفحة الجداول. لاستخراج جدول من ملف PDF أنماط إخفاق خاصة به — خلايا مدمجة، ونص ملتفّ، وأعمدة لا تتحاذى — وتلك الصفحة معنيّة بكشفها وإصلاحها.

اختر محوّل Word إذا كان ملفك بصيغة ‎.docx لا PDF. هذه هي الصفحة الوحيدة هنا التي لا يكون مصدرها ملف PDF، والتحويل فيها أدق: إذ يحفظ Word عناوينه ومستويات قوائمه وخلايا جداوله بنفسه، فلا شيء يُستنتج من شكل الصفحة.

ولا تستخدم محوّل المستندات الممسوحة إلا إذا لم يُخرج المحوّل العادي شيئاً. فتلك هي علامة المستند الممسوح: مستند لا يحوي نصاً قابلاً للتحديد يمكن قراءته.

ما تشترك فيه جميعاً

خلف كل هذه الصفحات محرك تحويل واحد. يقرأ ملف PDF عبر PDF.js داخل Web Worker في متصفحك، ويقيس هندسة النص ليستنتج البنية: الأحرف الأكبر من النص الأساسي تصبح عناوين، والأسطر المتقاربة تصبح فقرات، والأسطر المحاذية لنفس مواضع الأعمدة تصبح جداول.

مسار Word هو المحرك نفسه بمدخل مختلف. يُفك ضغط ملف ‎.docx داخل المتصفح ويُقرأ مباشرة، فتعطي أسماء الأنماط العناوين وتعطي تعريفات الترقيم القوائم، ثم يمر بعد ذلك على مولّد Markdown نفسه؛ لذا فالمستند الواحد إذا حُفظ بالصيغتين يُحوَّل بالنتيجة ذاتها.

جميعها مجانية ولا تتطلب حساباً وتقبل ملفات حتى 50 ميغابايت. يُحافظ على الخط العريض والمائل والشيفرة السطرية والروابط المضمّنة. لا تُستخرج الصور، ولا تُحوَّل المعادلات الرياضية إلى LaTeX.

الأداة التي ترفع الملف، ولماذا هي منفصلة

الصفحة الممسوحة ضوئياً صورة فوتوغرافية. لا تحتوي على نص إطلاقاً، فلا يستطيع أي شيء يعمل داخل متصفحك قراءتها مهما كان المحلل جيداً. التعرف عليها يحتاج إلى تعرف ضوئي على الحروف، وإلى قدرة حوسبة أكبر بكثير مما يملكه تبويب المتصفح.

لهذا حصلت المستندات الممسوحة على محوّل خاص بها بدل أن تكون خانة اختيار في الصفحات الأخرى. هذا الفصل هو ما يتيح لكل صفحة أخرى في الموقع أن تقول دون تحفّظ إن ملفك لا يغادر جهازك. ولو أمكن لأي صفحة منها أن ترفع الملف، لوجب التحفّظ على هذه الجملة في كل الصفحات.

وحين تستخدمها فإنها تسأل أولاً: يخبرك مربع حوار بعدد الصفحات التي ستُرسل وإلى أين تذهب وكم تبقى، ولا يُنقل شيء حتى تؤكد. يبقى الملف في الذاكرة طوال المهمة ويُتلف عند انتهائها.