تحسين ملفات PDF: ملفات أصغر ومسح أنظف ونص قابل للبحث

من أين يأتي حجم ملف PDF

النص صغير جدًا داخل ملف PDF: فمئة صفحة من الكلمات المكتوبة قد تشغل مساحة أقل من صورة فوتوغرافية واحدة. ما يجعل الملفات ثقيلة هو الصور، ولا سيما الصور المخزّنة بدقة أو عمق لوني يفوق حاجة أي شخص. والمستند الممسوح هو الحالة القصوى، لأن كل صفحة صورة كاملة، حتى لو لم تُظهر إلا نصًا أسود على ورق أبيض. تضيف الخطوط المضمّنة والرسوم المتجهة الكثيرة بعض الحجم، لكنه نادرًا ما يكون مؤثرًا. لذا فالسؤال الأول أمام أي ملف PDF كبير هو: هل تغلب عليه الصور؟ إن كان كذلك، فسيساعد الضغط والتحويل إلى تدرج رمادي كثيرًا؛ وإن كان نصًا في الغالب، فسيساعدان قليلًا جدًا، وقد يكون التقسيم هو الحل الأفضل. ويتعمق دليل تصغير حجم ملفات PDF في الدقة وجودة JPEG والخطوط.

اختيار أداة الضغط

تقدّم أداة ضغط PDF ثلاثة مستويات. على خادم يتوفر فيه Ghostscript تُخفَّض دقة الصور إلى نحو 72 أو 150 أو 300 نقطة لكل بوصة؛ ودونه لا يُعاد ضغط إلا الصور التي تتجاوز عتبة الدقة في كل مستوى. لا يتحول النص والرسوم المتجهة إلى صور أبدًا، وإذا لم تكن النتيجة أصغر من الأصل، يُعاد إليك الأصل. أما أداة ضغط PDF إلى حجم محدد فتعمل نحو حد صارم، فتجرّب إعدادات أقوى تدريجيًا من نحو 150 نقطة لكل بوصة نزولًا إلى نحو 55، وتتوقف عند أول محاولة تتسع. وإذا لم تتسع أي محاولة، تحصل على أصغر نسخة، لذا تحقق دائمًا من الحجم النهائي. وللأوراق بالأبيض والأسود الممسوحة بالألوان، تزيل أداة تحويل PDF إلى تدرج رمادي بيانات لا تضيف شيئًا، وعندما يكون الحد أصغر من أن يسمح بصفحات مقروءة، يكون تقسيم المستند هو الحل الصادق.

المستندات الممسوحة صور لنصوص

يبدو المستند الممسوح كمستند لكنه يتصرف كصورة فوتوغرافية: لا يمكنك البحث فيه، ولا نسخ جملة منه، ولا جعل قارئ الشاشة يقرؤه بصوت مسموع. تغيّر أداة OCR لملفات PDF ذلك بالتعرف على الكلمات في كل صورة صفحة ووضع طبقة نص غير مرئية خلفها. تحتفظ الصفحات بصورتها، وتبقى الصفحات التي فيها نص بالفعل كما هي، لذا يمكن تمرير ملف مختلط كاملًا. يستخدم التعرف نموذجًا لغويًا، لذا فاختيار لغة المستند أهم من أي إعداد آخر. ويشرح دليل ملفات PDF القابلة للبحث طبقات النص، وأهميتها للأرشفة وإمكانية الوصول، وكيف تعرف إن كان ملف PDF يحتوي عليها.

تنظيف المستندات الممسوحة قبل التعرف

تعتمد دقة OCR على مدخلات نظيفة، وتجهّزها أداتان. تعثر أداة حذف الصفحات الفارغة على الصفحات شبه الفارغة بقياس السطوع ونسبة تغطية الحبر، وتحتفظ دائمًا بالصفحات التي تحتوي نصًا، وتتيح لك اختيار مدى صرامة الكشف. وتقيس أداة تقويم صفحات PDF ميل كل صفحة وتعدّلها لتصبح مستوية، وهذا يحسّن التعرف بوضوح، لأن OCR يتوقع أن تكون أسطر النص مستقيمة. يدير التقويم كل صفحة ولا يعيد رسمها، فيحتفظ المسح بتفاصيله، ومكانه قبل OCR ليقرأ التعرف أسطرًا مستقيمة. والتسلسل الموثوق لرزمة من المستندات الممسوحة هو: حذف الصفحات الفارغة، ثم التقويم، ثم تشغيل OCR، ثم الضغط أخيرًا. ويتناول دليل جودة المسح جانب الالتقاط، حيث يمكن منع معظم المشكلات.

إصلاح الملفات التي لا تُفتح

كثيرًا ما يكون ملف PDF الذي يعرض خطأ أو صفحات فارغة أو تحذيرًا من التلف مصابًا بفهرس داخلي معطوب لا بمحتوى مفقود. تفتح أداة إصلاح PDF الملف باستخدام MuPDF، الذي يعيد بناء هذا الفهرس بمسح الملف، ثم تكتب نسخة جديدة متسقة. وعندما يعجز MuPDF عن قراءة الملف تمامًا ويتوفر Ghostscript، تعيد محاولة ثانية كتابة المستند كله. لكن للإصلاح حدًا واضحًا: فهو يعمل بالبيانات الموجودة. والتنزيل الذي توقف في منتصفه تنقصه صفحاته المتبقية، ولا تستطيع أي أداة إعادة بنائها، لذا فإعادة تنزيل الملف أسرع عادةً من أي إصلاح. والملفات المُصلحة نقطة انطلاق جيدة للأرشفة باستخدام التحويل إلى PDF/A.

تجهيز ملفات PDF للويب

للمستندات المنشورة على موقع ويب متطلبات إضافية. يجب أن تُفتح الملفات الكبيرة بسرعة، وتساعد في ذلك أداة تحسين PDF للويب بجعل الملف خطيًّا حتى تعرض المتصفحات الصفحة الأولى قبل وصول البقية، شريطة أن يدعم خادم الويب طلبات نطاقات البايت، كما تفعل جميع الخوادم تقريبًا. ويبقى الحجم مهمًا، لذا اضغط أولًا. كما يجب أن تكون ملفات PDF المنشورة مقروءة لمحركات البحث وقارئات الشاشة، أي أن المستندات الممسوحة تحتاج إلى OCR، وأن تحمل عنوانًا مناسبًا بدلًا من اسم قالب متبقٍّ؛ اضبطه باستخدام عرض البيانات الوصفية وتحريرها. ومعًا تجعل هذه الخطوات المستند أسرع فتحًا وأسهل عثورًا وأيسر وصولًا، دون تغيير ما يقوله.

التحقق من النتيجة

ينطوي التحسين دائمًا على موازنات، لذا تحقق من الناتج كما سيفعل المستلم. بعد الضغط، كبّر إلى 200 بالمئة على أصغر نص وعلى أي توقيع. وبعد OCR، ابحث عن كلمة تراها على إحدى الصفحات. وبعد حذف الصفحات الفارغة، تأكد من عدد الصفحات وتصفّح المستند بحثًا عن أي نقص. احتفظ بالأصول حتى تطمئن، لأن كل أداة تنتج نسخة جديدة، ويُحذف الملف المعالَج على الخادم فور انتهاء تنزيلك. تعتمد بعض أدوات التحسين على محركات ليست مثبتة على كل خادم، مثل Ghostscript أو Tesseract؛ وعندما يغيب أحدها، تقول الأداة ذلك صراحة بدلًا من إعادة ملف تخطّى العمل بصمت.

مسارات عمل شائعة

أسئلة حول تحسين ملفات PDF

أدلة ذات صلة