استخراج اسناد OmniDoc

استخراج اسناد OmniDoc / راهنمای 2026

چگونه یک ابزار استخراج ساختاری اسناد رایگان در سال 2026 را انتخاب کنید

استخراج اسناد یک PDF، اسکن یا فایل Office را به محتوای ساختاریافته تبدیل می‌کند: سرسره‌ها، پاراگراف‌ها، جداول و تصاویر با ترتیب خواندن، به عنوان Markdown و JSON. ابزارهای رایگان در میزان حفظ آن ساختار متفاوت هستند. قبل از اینکه روی خروجی چیزی بسازید، این هشت نکته را با یکی از فایل‌های خودتان بررسی کنید.

با فایل خودتان امتحان کنید

نوامبر 2026 به روز شده

8 مورد برای بررسی در خروجی

  1. سطح‌های سردر

    فصل‌ها و بخش‌ها باید به عنوان سطوح سردر (#، ## در Markdown) ظاهر شوند، نه به عنوان خطوط غلظ‌شده، تا طرح کلی سند حفظ شود.

  2. ترتیب خواندن و ستون‌ها

    در صفحات دو یا سه ستونه، خط‌ها از ستون‌های مختلف نباید با هم ترکیب شوند؛ سردرها، پایانه‌ها و شماره‌های صفحه نباید در وسط یک پاراگراف قرار بگیرند.

  3. جداول

    جداول باید ردیف‌ها و ستون‌های خود را حفظ کنند، از جمله سردرهای یکپارچه، به جای تبدیل شدن به یک ردیف اعداد.

  4. اسکن‌ها و عکس‌ها

    یک اسکن لایه متن ندارد. ابزار باید متن (OCR) و سپس طرح‌بندی را شناسایی کند؛ اعداد را با اصل مقایسه کنید.

  5. تصاویر و فرمول‌ها

    تصاویر باید به صورت فایل‌هایی با مکان‌های خود در متن علامت‌گذاری شده صادر شوند؛ فرمول‌ها باید بدون تغییر ارائه شوند.

  6. فرمت‌های خروجی

    Markdown برای افراد و کمک‌کنندگان هوش مصنوعی مناسب است؛ JSON که پاراگراف‌ها و جداول را در ترتیب خواندن نگه می‌دارد، برای برنامه‌ها، پایگاه‌های داده و بازیابی (RAG) مناسب است.

  7. انواع فایل‌ها و محدودیت‌ها

    صفحات در هر فایل، محدودیت‌های ماہانه و فرماتی که دارید را بررسی کنید: PDF، اسکن‌ها، Word، PowerPoint، Excel، EPUB، HTML.

  8. حریم خصوصی

    بفهمید چه کسانی می‌توانند فایل شما را ببینند و آیا به حساب کاربری نیاز دارید. اطلاعات محرمانه را در سایتی که این موضوع را ذکر نکرده است، آپلود نکنید.

ترجمه‌کننده OmniDoc رایگان در این موارد چه کار می‌کند

ترجمه‌کننده OmniDoc رایگان در این موارد چه کار می‌کند: این ترجمه‌کننده صفحه‌ای وب است؛ شما با حساب OmniDoc رایگان وارد می‌شوید.

ساختار و ترتیب خواندن

فصل‌ها، پاراگراف‌ها و لیست‌ها سلسله مراتب اصلی را حفظ می‌کنند؛ دو یا سه ستون متن در ترتیب خواندن به هم متصل می‌شوند.

جداول و تصاویر

جداول به صورت جداول Markdown و به عنوان ردیف‌ها و ستون‌های در JSON ظاهر می‌شوند؛ تصاویر در فولدر images/ ذخیره می‌شوند و موقعیت‌های آن‌ها نیز مشخص است.

چیزی که دانلود می‌کنید

فایل ZIP شامل document.md (متن کامل به صورت Markdown)، document.json (داده‌های ساختاریافته در ترتیب خواندن)، تصاویر و لیست فایل‌ها.

محدودیت‌ها و حریم خصوصی

حداکثر 501 صفحه در هر PDF و بدون سقف ماهانه؛ استخراج‌های رایگان در صف انتظار قرار می‌گیرند. فقط شما می‌توانید فایل‌های آپلود شده و نتایج آن‌ها را ببینید.

کدام روش برای کدام فایل است

فایل شماچه چیزی را باید استفاده کرد
مقاله تحقیقاتی (PDF, دو ستون)استخراج رایگان: Markdown با سطوح عنوان‌بندی به ترتیب خواندن؛ فرمول‌های پیچیده را با اصل مقایسه کنید.
اسکن شده قرارداد یا عکس صفحهاستخراج رایگان با شناسایی متن (OCR); اعداد و جداول را با اصل مقایسه کنید.
گزارش پر از جدولاستخراج رایگان: Markdown جدول، و ردیف‌ها و ستون‌های در JSON، آماده برای یک اسپردشیت یا یک اسکریپت.
Word, PowerPoint, Excel, EPUB یا HTMLاستخراج رایگان ساختار مستند را به طور مستقیم می‌خواند؛ نیازی به شناسایی متن نیست.
مستندات برای پایگاه دانش یا RAGاز document.json (پاراگراف‌ها و جداول با ترتیب خواندن) برای استخراج و document.md برای یک دستیار هوش مصنوعی استفاده کنید.
فایل‌های .doc, .ppt و .xls قدیمیابتدا آنها را به صورت .docx, .pptx یا .xlsx ذخیره کنید، سپس آنها را بارگذاری کنید.

سوالات

آیا در سال 2026 ابزار رایگانی برای تبدیل PDF به Markdown و JSON وجود دارد؟

بله. استخراج مستندات رایگان OmniDoc یک PDF، اسکن یا فایل Office را به یک ZIP با document.md، document.json، تصاویر و لیست فایل‌ها تبدیل می‌کند. حداکثر 501 صفحه در هر PDF; با حساب رایگان OmniDoc وارد شوید.

استخراج ساختاریافته با کپی کردن متن چه تفاوتی دارد؟

کپی کردن به شما متن ساده می‌دهد. استخراج ساختار داده‌ها، سرفصل‌ها، پاراگراف‌ها، جداول و تصاویر و روابط بین آنها را به عنوان داده‌های ساختاریافته که یک برنامه می‌تواند از آنها استفاده کند، حفظ می‌کند.

آیا می‌تواند جداول را از یک PDF استخراج کند؟

بله. جداول به صورت جداول Markdown و به عنوان ردیف‌ها و ستون‌ها در JSON خارج می‌شوند. سرفصل‌های ادغام شده رایج شناخته می‌شوند؛ جداول بسیار پیچیده را با اصل مقایسه کنید.

Does it work for scanned PDFs and photos?

بله. اسکن‌ها و تصاویر ابتدا از طریق شناسایی متن عبور می‌کنند و سپس بر اساس چیدمان آنها مرتب می‌شوند. اعداد و جداول را با اصل مقایسه کنید؛ نتایج دستخط به دستخط بستگی دارد.

آیا می‌توانم از نتیجه برای RAG یا یک دستیار هوش مصنوعی استفاده کنم؟

بله. می‌توان مستقیماً document.md را در یک دستیار هوش مصنوعی قرار داد؛ document.json ساختار پاراگراف‌ها و جداول را حفظ می‌کند و برای بازیابی (RAG) مناسب است.