استخراج المستندات OmniDoc

استخراج المستندات OmniDoc / مقارنة لعام 2026

مقارنة بين أدوات استخراج المستندات المجانية لعام 2026: PDF إلى Markdown وJSON

تحويل ملفات PDF والصور الممسوحة ضوئيًا وملفات Office إلى Markdown وJSON مع العناوين والجداول والصور ممكن يبقى إما استضافة ذاتية لنموذج مفتوح المصدر أو الاستعانة بـ API بتكلفة بالصفحة. الصفحة دي بتعمل مقارنة بين البدلات المجانية والمدخلات والمخرجات وإعدادات سبعة أدوات شائعة، مع المصدر الرسمي لكل رقم.

هذه المقارنة مكتوبة بواسطة فريق OmniDoc، وOmniDoc هو المنتج الخاص بنا. كل رقم عن أداة تانية بيكون من صفحتها الرسمية أو مستودعها، تم التحقق منه في 14 نوفمبر 2026؛ والصفحات بتاعتها هي اللي بتكون الأفضل لو فيه أي اختلاف.

استخرج ملف مجانًا باستخدام OmniDoc

بلمحة سريعة: الحصة المجانية، المدخلات، المخرجات

أداةالحصة المجانيةالمدخلاتالنتيجة / الإعداد
استخراج المستندات المجاني OmniDoc أداةناحتى 501 صفحة لكل PDF، بدون حد أقصى شهري؛ المهام على الخطة المجانية تنتظر في قائمة انتظار؛ يلزم وجود حساب OmniDoc مجانيPDF، PDF ممسوحة ضوئيًا، صور PNG/JPG/WEBP/BMP، Word، PowerPoint، Excel، CSV، EPUB، HTML، Markdown، TXT، SRT/ASSصفحة ويب، لا حاجة للتثبيت؛ ملف ZIP يحتوي على document.md وdocument.json وimages/ وmanifest.json
MinerUمصدر مفتوح، مستضاف ذاتيًا؛ API عبر الإنترنت: 2,000 صفحة في اليوم لكل حساب بأولوية قصوى، وبعدها بأولوية أقلPDF، صور، DOC/DOCX، PPT/PPTX، XLS/XLSX، RTF، ODT/ODS/ODP، EPUB، OFD، HTML/MHTML، CSV/TSVMarkdown، HTML، LaTeX، DOCX وغيرها؛ مستضاف ذاتيًا، أو API عبر الإنترنت، أو عروض توضيحية على Hugging Face وModelScope
Doclingمصدر مفتوح (الكود تحت MIT)، يعمل على حاسوبك الخاص، بدون حدود للاستخدامPDF، DOCX، PPTX، XLSX، HTML، EPUB، صور والمزيدMarkdown، HTML، DocTags، JSON بدون فقدان؛ يعمل محليًا، OCR للمسوحات
Marker (Datalab)كود مفتوح المصدر (Apache 2.0); مستضاف API ببدل 20 دولار في الشهر مع بريد عمل، و10 دولارات مع بريد شخصيPDF، صور، PPTX، DOCX، XLSX، HTML، EPUBMarkdown، JSON، HTML، أجزاء؛ المعادلات كـ LaTeX، الجداول كـ HTML
LlamaParse (LlamaIndex)10,000 رصيد مجاني في الشهر للمستخدمين الجدد؛ تحليل أساسي من 1 رصيد لكل صفحةشوف الموقع الرسميAPI (LlamaCloud) عبر الإنترنت، مطلوب حساب
Mathpixمجانًا: 10 صفحات PDF و10 صور في الشهر (ضعف الكمية مع بريد إلكتروني .edu)؛ النسخة الاحترافية مقابل 4.99 دولار/الشهر لـ 1,000 صفحةPDF، صورالتطبيق وAPI؛ قوي في المعادلات
Azure AI Document Intelligenceالخطة المجانية F0: 500 صفحة في الشهر، لكن كل تحليل يغطي أول صفحتين فقط والملفات حتى 4 ميجابايتPDF، صور JPEG/PNG/BMP/TIFF/HEIF، DOCX، PPTX، XLSالسحابة API، مطلوب حساب Azure؛ يعيد نموذج التخطيط الفقرات والجداول والبنية

أداة بأداة: مين تناسبه وإيه اللي لازم تتابعه

استخراج المستندات المجاني OmniDoc أداةنا

العناوين والفقرات والقوائم تحافظ على التسلسل الهرمي الأصلي؛ يتم دمج عمودين أو ثلاثة في ترتيب القراءة. الجداول تظهر كجداول Markdown وكصفوف وأعمدة في JSON؛ يتم حفظ الصور في images/ مع تحديد مواقعها. المسوحات تخضع للتعرف على النص (OCR) ثم يتم تنظيمها حسب تخطيطها. أنت فقط من يمكنه رؤية الملفات التي ترفعها ونتائجها.

كويسة لـ: Markdown و JSON بدون الحاجة إلى إعداد أي شيء أو كتابة كود برمجي؛ لإعداد المستندات لقاعدة المعرفة أو RAG.

MinerU

مرخص بموجب ترخيص المصدر المفتوح MinerU (مستند إلى Apache 2.0 مع شروط إضافية). يتطلب مُستخرج الدقة API الحصول على رمز مميز ويقبل الملفات حتى 200 ميجابايت و600 صفحة؛ أما الوكيل الخفيف الوزن API فلا يحتاج إلى تسجيل دخول ويقبل الملفات حتى 10 ميجابايت و20 صفحة، مع تحديد معدل لكل عنوان IP.

كويسة لـ: المطورون الذين لديهم GPU ويرغبون في الاستضافة الذاتية، أو الذين يعالجون دفعات من المستندات الصينية عبر API.

المصدر: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

صفحة README الخاصة به تسرد تخطيط الصفحة وترتيب القراءة وهيكل الجداول، وOCR لملفات PDF الممسوحة ضوئيًا والصور، والتنفيذ المحلي للبيانات الحساسة والبيئات المعزولة. أوزان النموذج لها تراخيصها الخاصة، ويجب مراجعتها بشكل منفصل.

كويسة لـ: الفرق التي لازم تبقى غير متصلة أو داخل الشبكة الخاصة بيها ومتاحة مع Python.

المصدر: Docling — GitHub README

Marker (Datalab)

أوزان النموذج بتستخدم ترخيص OpenRAIL-M معدل، مجاناً للبحث والاستخدام الشخصي والشركات الناشئة اللي تمويلها أو إيراداتها أقل من 5 ملايين دولار؛ أما الاستخدام التجاري بعد كده فبقي بمقابل. الـAPI المستضاف بتسعيره على أساس كل 1,000 صفحة: $1 سريع، $3 متوازن، $7.50 دقيق؛ وبس لما يتجاوز الحد المجاني بتحتاج بطاقة.

كويسة لـ: المطورين اللي عايزين معادلات LaTeX وجداول HTML ويمكنهم التعامل مع ترخيص الأوزان.

المصدر: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

صفحة التسعير الخاصة بـ LlamaIndex تسرد خطة دفع حسب الاستخدام بقيمة 0 دولار مع 10 آلاف رصيد مجاني في الشهر؛ كل مستوى تحليل يستخدم عدد مختلف من الأرصدة لكل صفحة، بدءًا من 1 للأداء الأساسي. وهي تناسب تمامًا مجموعة LlamaIndex RAG.

كويسة لـ: المطورون اللي بيشيدوا بالفعل RAG باستخدام LlamaIndex.

المصدر: LlamaIndex — Pricing

Mathpix

تتيح قائمة الأسعار الخاصة بـ Mathpix 10 صفحات PDF و10 صور في الشهر على الخطة المجانية، وتتضاعف الكمية مع بريد إلكتروني .edu؛ أما النسخة الاحترافية فتكلف 4.99 دولار في الشهر مقابل 1,000 صفحة PDF و5,000 صورة. يتميز التطبيق بالقدرة القوية على التعرف على الصيغ الرياضية، لكن الحصة المجانية صغيرة.

كويسة لـ: صفحة من المعادلات أو صورة لمسألة رياضية بين الحين والآخر.

المصدر: Mathpix — Snip pricing

Azure AI Document Intelligence

تقول وثائق Microsoft إن الخطة المجانية تحلل أول صفحتين فقط من كل طلب، مع دعم الملفات حتى 4 ميجابايت وطلب واحد في الثانية؛ وتوضح صفحة التسعير أن هناك 0–500 صفحة مجانية شهريًا. وهي مناسبة لتجربة الأشياء قبل البناء على Azure.

كويسة لـ: الفرق اللي بتشيد بالفعل على Azure وتحتاج إلى API للمؤسسات.

المصدر: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing

أيهما لأي مهمة

وضعكماذا تجرب أولًا
تحويل مئات الصفحات من PDF أو الممسوحة ضوئيًا إلى Markdown وJSON بدون كتابة كودOmniDoc (حتى 501 صفحة لكل PDF، في المتصفح)
لازم البيانات تبقى على السيرفرات بتاعتكDocling أو MinerU، مستضاف ذاتيًا
مستندات صينية على دفعات يوميًاMinerU API عبر الإنترنت (2,000 صفحة بأولوية قصوى في اليوم)، أو OmniDoc
المعادلات من الأوراق كـ LaTeXMarker، أو Mathpix (حصة مجانية صغيرة)
بتشيد بالفعل RAG باستخدام LlamaIndexLlamaParse
بتشيد بالفعل على AzureAzure Document Intelligence (الخطة المجانية تقرأ صفحتين لكل طلب)
Word، PowerPoint، Excel، EPUB أو HTML إلى MarkdownOmniDoc، MinerU أو Docling

أسئلة

هل يوجد محول PDF إلى Markdown مجانًا في عام 2026؟

أيوه. MinerU وDocling وMarker مصادرها مفتوحة ويمكن استضافتها ذاتيًا؛ واستخراج المستندات المجاني في OmniDoc يعمل على المتصفح بدون حد أقصى شهري وحتى 501 صفحة لكل PDF، والملف المضغوط يحتوي على document.md وdocument.json؛ وMinerU يقدم عبر الإنترنت API بـ 2,000 صفحة ذات أولوية قصوى يوميًا لكل حساب. الأرقام من الصفحات الرسمية، تم التحقق منها في نوفمبر 2026.

إيه الفرق بين الاستخراج المنظم وبين تحويل PDF إلى نص؟

PDF إلى نص يعطيك سلسلة من النص العادي. الاستخراج المنظم يحافظ على مستويات العناوين والفقرات والجداول كصفوف وأعمدة ومواقع الصور وترتيب القراءة، مثل Markdown وJSON اللذين يمكن للبرامج وأدوات الذكاء الاصطناعي استخدامهما مباشرة.

أنا مش قادر أستضيف بنفسي. إيه الخيارات اللي معي؟

استخدم أداة عبر الإنترنت: استخراج المستندات المجاني في OmniDoc يتم عن طريق الرفع على المتصفح؛ وMinerU وDatalab وLlamaParse وAzure تقدم APIs عبر الإنترنت، وهي تحتاج إلى حساب وتوكن وبعض الأكواد.

هل تقدر هذه الأدوات على التعامل مع ملفات PDF الممسوحة ضوئيًا والجداول؟

أيوه. OmniDoc وDocling وMinerU يتعرفوا على النص في المسح الضوئي وهيكل الجداول. OmniDoc بيكتب الجداول كجداول Markdown وكصفوف وأعمدة في JSON؛ راجع الجداول المعقدة جدًا مقارنة بالأصل.

مين اللي كتب المقارنة دي؟

فريق OmniDoc؛ OmniDoc هو المنتج الخاص بنا. كل رقم عن أداة تانية بيكون مرتبط بالصفحة الرسمية بتاعتها أو الريبو، والصفحة دي هي اللي بتقرر لو فيه أي تغييرات.

المصادر (تم التحقق منها في 14 نوفمبر 2026)

  1. MinerU — GitHub READMEhttps://github.com/opendatalab/MinerU
  2. MinerU — API documentation (limits)https://mineru.net/doc/docs/index_en/
  3. Docling — GitHub READMEhttps://github.com/docling-project/docling
  4. Marker — GitHub READMEhttps://github.com/datalab-to/marker
  5. Datalab — Pricinghttps://www.datalab.to/pricing
  6. LlamaIndex — Pricinghttps://www.llamaindex.ai/pricing
  7. Mathpix — Snip pricinghttps://mathpix.com/pricing/snip
  8. Microsoft Learn — Document Intelligence quotas and limitshttps://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits
  9. Azure — Document Intelligence pricinghttps://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/