تحويل ZIP إلى نص: من أرشيف إلى مجموعة نصوص واحدة قابلة للبحث
هناك لحظة بعينها بُنيت هذه الأداة لأجلها. لديك أرشيف — تصدير، أو نسخة احتياطية، أو حزمة أرسلها أحدهم — مليء بمستندات في نصف دزينة من الصيغ، وما تحتاجه فعلًا ليس قراءتها. تحتاج البحث عبرها كلها دفعة واحدة. عدّ كم مرة يظهر مصطلح. تغذية الكومة كلها لنموذج تضمينات. إيجاد الملفات الثلاثة من بين ثمانين التي تذكر بندًا بعينه.
ارفع ملف ZIP وستستعيد متنًا مسطّحًا واحدًا من النص العادي يضم كل ما هو مقروء بداخله. لا عناوين، ولا جداول خطوط عمودية، ولا محارف صياغة — نثر فقط تستطيع تشغيل grep عليه وفهرسته وتقطيعه ولصقه. مجانًا، بلا حساب، بسقف 50 MB للأرشيف، ولا يُخزَّن شيء بعد حصولك على ناتجك.
أرشيف واحد يدخل، مجموعة نصوص واحدة تخرج
يُفكّ ضغط الأرشيف، وتُجتاز الشجرة بداخله، ويُحوَّل كل ملف بامتداد مدعوم بالمنطق نفسه الذي كان
سيلقاه لو رُفع وحده. ثم يعود كل ذلك موصولًا نصًا متصلًا. مسارات المجلدات من داخل الأرشيف تُنقل
معه، فتظل تعرف أن شيئًا جاء من exports/2023/ لا من drafts/ — لكن الناتج
نفسه مسطّح وموحّد وسهل المعالجة آليًا.
حجّة الكفاءة تدافع عن نفسها. أربعون مستندًا محوَّلًا فرادى تعني أربعين رفعة وأربعين عملية نسخ ولصق. أما بوصفه تحويل ملفات إلى نص بالجملة فهو واحدة. ولأن كل شيء يهبط في ناتج واحد، لا خطوة إعادة تجميع بعدها — لا قلق من أنك لصقت الملف 23 مرتين وقفزت فوق 24.
لماذا يتفوق النص المسطّح على Markdown في أعمال الجملة
يستحق Markdown أجره حين يقرأ إنسان الناتج أو حين تحمل بنية المستند معنى. أما لمعظم ما تفعله بأرشيف كامل دفعة واحدة، فلا ينطبق أي من الشرطين ويصير الترميز عبئًا:
- التضمينات ومسارات RAG. المقطِّعات تعمل على النثر. جداول الخطوط العمودية وعلامات العناوين تُشقّ عبر حدود المقاطع، وتخفف الإشارة الدلالية في كل متجه، وتستهلك ميزانية كان ينبغي أن تذهب إلى المحتوى الفعلي. معظم شيفرات الإدخال تنزع Markdown كخطوة أولى على أي حال — فابدأ من دونه.
- فهرسة البحث. أيًا كان ما تغذّيه، يريد المُقطِّع كلمات نظيفة. محارف الصياغة تصير ضجيجًا على المحلل أن يطرحه.
- تحليل الكلمات المفتاحية والتكرارات. عدّ المصطلحات، والتواتر المشترك، وTF-IDF، ومسوح التعبيرات النمطية البسيطة — كلها أنظف على نص مجرّد، بلا خطر أن يُحسب فاصل جدول token.
- إزالة التكرار والمقارنة. مقارنة تحويلين لأرشيف لرؤية ما تغيّر أسهل بكثير حين لا يستطيع التنسيق إدخال فروق زائفة.
- كفاءة الـ tokens. عبر عشرات المستندات، يتراكم الترميز البنيوي إلى كسر حقيقي من نافذة سياقك. إسقاطه يشتري لك مساحة لمزيد من المادة المصدرية.
انتقل إلى تحويل ZIP إلى Markdown حين يصحّ العكس — حين تحتاج حدودًا واضحة بين المستندات، أو حين تهمّ الجداول وترقيم البنود، أو حين ستقرأ النتيجة بنفسك. مبدّل الصيغة في الأعلى ينقلك ويحمل أرشيفك المختار معه، فتُنتج الاثنين من رفعة واحدة وترى أيهما يناسب المهمة.
اعرف ما في الأرشيف قبل أن ترفعه
الصيغ المدعومة تتحوّل أينما جلست في الشجرة: PDF وWord وPowerPoint وExcel وHTML وCSV وJSON وXML وEPUB وRTF وMSG والصور. الأرشيفات المختلطة هي الحالة القياسية. وإن أردت التفاصيل عن سلوك نوع بعينه بعد التسطيح، فانظر تحويل PDF إلى نص، و تحويل Word إلى نص، و تحويل CSV إلى نص، أو تحويل MSG إلى نص لرسائل Outlook.
ما يُتخطى: الفيديو والصوت والملفات الثنائية والخطوط وكل ما خرج عن القائمة المدعومة. وحالتان أخريان تستحقان المعرفة قبل أن يفاجئك الناتج.
- الصور لا تُقرأ داخل الأرشيف. وحدها، يُتعرَّف على نص ملفات الصور ويُعاد. أما محزومة في ZIP فلا — تمريرة الدفعة تسجّل الملف وتمضي، فأرشيف من لقطات الشاشة أو الصفحات الممسوحة يُعالَج بلا خطأ ويعطيك أسماء ملفات لا الكلمات التي في الصور. حين تكون الكلمات هي المقصد، استخرج تلك الصور وأرسلها عبر تحويل الصور إلى نص واحدة واحدة.
- ملفات PDF الممسوحة ضوئيًا لها المشكلة نفسها. ملف PDF الذي هو في حقيقته صورة ورقة لا نص مضمّنًا فيه يُستخرج. اختبر أحدها بمحاولة تحديد جملة في قارئ — إن لم تستطع، فشغّل التعرّف على النص قبل الضغط.
- الأرشيفات المتداخلة. ملف ZIP يحوي ملفات ZIP أخرى يستحق فكّ مستوى واحد يدويًا قبل الرفع.
أين تستحق المجموعة المسطّحة أجرها
- مراجعة المستندات على نطاق واسع. حزمة إفصاح أو تصدير غرفة بيانات حيث السؤال الأول «أي هذه الملفات يذكر أصلًا الشيء الذي يهمني» — لا «اقرأ لي هذا المستند».
- بناء قاعدة معرفة. أدلة الشركة والسياسات ومستندات الإجراءات، محوَّلة في تمريرة واحدة ومغذّاة إلى نظام استرجاع بوصفها الحقيقة المرجعية التي يجيب منها المساعد.
- تصديرات الدعم والتذاكر. شهور من المحادثات مسطّحة نصًا تستطيع تشغيل تحليل ثيمات عليه، أو تطلب من نموذج عنقدته شكاوى متكررة.
- مجموعات البحث العلمي. مجلد أوراق وتقارير ومجموعات بيانات يتحوّل متنًا نصيًا واحدًا لتحليل عابر للمستندات بدل قراءتها واحدًا واحدًا.
- الترحيل وتدقيق المحتوى. قبل نقل مجموعة توثيق إلى منصة جديدة، حوّل الأرشيف كله وابحث عن مراجع ميتة، أو أسماء منتجات بائدة، أو صفحات مكررة.
- تصديرات مساحات العمل. تنزيلات Slack وNotion وTakeout فوضوية البنية ومليئة بمجلدات متداخلة. تسطيحها هو ما يجعلها قابلة للتطويع.
الحجم والترتيب والتجميع العاقل
حد 50 MB ينطبق على الأرشيف المرفوع لا على الملفات فرادى. المستندات النصية الثقيلة تنضغط جيدًا، فيتّسع منها الكثير؛ أما الوسائط فلا تنضغط وستلتهم المخصص كله بلا مقابل. انزع الفيديو والصور الكبيرة قبل الضغط.
إن كنت ستعمل على المجموعة أقسامًا، فقسّم بحسب المجلد واضغط كل قسم على حدة — أرشيف لكل عميل، أو لكل ربع سنة، أو لكل مشروع. هذا يُبقي كل ناتج بحجم تستطيع لصقه فعلًا، ويُبقي المواد المترابطة معًا. عدّاد الـ tokens أسفل الناتج هو الرقم الذي تهتدي به: يخبرك فورًا هل تتّسع الدفعة في نافذة سياق نموذجك أم تحتاج تقسيمًا، قبل أن تكتشف ذلك بالطريقة الصعبة.
وإن كان الأرشيف مشروع شيفرة مصدرية لا مستندات، فاستخدم محوِّل المجلدات المحلية بدلًا من ذلك. فهو يعطيك شجرة خانات اختيار للمجلد لتستبعد التبعيات ونواتج البناء وملفات القفل قبل التحويل — تحكّم لا يستطيع رفعُ أرشيف تقديمه. والشيفرة المستضافة سلفًا أسهل بعد: محوِّل GitHub إلى نص يعمل مباشرة من عنوان URL.
أسئلة شائعة
كيف أحوّل ملف ZIP إلى نص؟
ارفع الأرشيف أعلاه. يُفكّ ضغطه، وتُجتاز الشجرة بداخله، ويُحوَّل كل ملف بامتداد مدعوم ويُوصَل في متن مسطّح واحد من النص العادي. مجانًا، بلا تسجيل، بحد 50 MB للأرشيف، ولا يُخزَّن شيء. مسارات المجلدات من داخل الأرشيف تُنقل معه فتعرف من أين جاء كل جزء.
ما أنواع الملفات داخل الأرشيف التي تُحوَّل؟
الثلاث عشرة نفسها التي يعالجها هذا الموقع كرفعات مستقلة — PDF وWord وPowerPoint وExcel وHTML وCSV وJSON وXML والصور وEPUB وRTF ورسائل Outlook والأرشيفات المتداخلة. وأي شيء آخر في ملف ZIP يُتخطى بدل أن يُفرَّغ ضجيجًا ثنائيًا، فالحزمة التي تخلط المستندات بالفيديوهات والملفات التنفيذية تنتج مع ذلك ناتجًا نظيفًا.
هل يعمل على الأرشيفات المحمية بكلمة مرور؟
لا. ملف ZIP المشفّر لا مدخلات مقروءة فيه حتى يُفكّ تشفيره بكلمة المرور، ولا مكان هنا لإدخال واحدة. فكّ ضغطه محليًا بكلمة المرور أولًا، وأعد ضغطه بلا تشفير، أو وجّه محوِّل المجلدات المحلية إلى الدليل المستخرج بدلًا من ذلك.
أرشيفي أكبر من 50 MB — ماذا الآن؟
قسّمه بحسب المجلد وحوّل على دفعات، أو تجاوز الأرشيف كليًا: فكّ ضغطه على جهازك واستخدم محوِّل المجلدات المحلية، الذي لا خطوة رفع فيه، ويجتاز الشجرة كلها، ويتيح لك تحديد الملفات التي تريد إدراجها بالضبط. ولتفريغ مستندات ضخم هذا هو الطريق الأفضل على أي حال.
هل هذه الأداة المناسبة لمستودع شيفرة مضغوط؟
ليس تمامًا. للشيفرة المصدرية، بُني محوِّل GitHub وأداة المجلدات المحلية لهذه المهمة — يريانك شجرة الأدلة، ويتيحان إلغاء تحديد node_modules وملفات القفل، ويعدّان الـ tokens أثناء العمل. هذه الصفحة موجّهة إلى أرشيفات المستندات، حيث لا شجرة تحتاج تشذيبًا.
بقية صندوق الأدوات
File2Txt يأخذ أي صيغة مدعومة من صفحة واحدة إن كنت لا تريد الاختيار. وهناك دليل أطول لتجهيز الملفات لنماذج اللغة الكبيرة إن أردت المنطق وراء هذا كله في مكان واحد.
Repo2Txt من بناء وصيانة v12hero، مطوّر مستقل يبني تطبيقات أصلية وويب تضع الخصوصية أولًا.