# Arabic Ocr

> Arabic OCR text extraction from images and documents

- Skill: `moshe-ship/arabic-ocr-3` (Agent Skill)
- Install (CLI): `npx get-skill add moshe-ship/arabic-ocr-3`
- Raw SKILL.md: https://api.skillmd.com/api/skills/moshe-ship/arabic-ocr-3/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: moshe-ship (https://skillmd.com/u/moshe-ship)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/moshe-ship/arabic-ocr-3

---

# التعرف على النص العربي (OCR)

## Tesseract (محلي — الخيار الأساسي والمجاني)

### تثبيت
```bash
# macOS
brew install tesseract tesseract-lang imagemagick

# التأكد من دعم العربي
tesseract --list-langs | grep ara
```

### استخراج النص
```bash
tesseract IMAGE_FILE output -l ara
cat output.txt
```

### عربي + إنجليزي معاً
```bash
tesseract IMAGE_FILE output -l ara+eng
```

### تحسين الدقة
```bash
# تحسين الصورة أولاً
magick IMAGE_FILE -resize 300% -sharpen 0x1 -threshold 50% improved.png
tesseract improved.png output -l ara --psm 6
```

## TrOCR عبر HuggingFace (بديل سحابي — اختياري)

> **تنبيه**: توفر نماذج HuggingFace Inference API يتغير. تحقق من توفر النموذج قبل الاعتماد عليه في بيئة إنتاجية. إذا كان النموذج غير متاح، استخدم Tesseract المحلي.

```bash
# microsoft/trocr-large-printed — نموذج OCR عام قوي
curl -s -X POST "https://api-inference.huggingface.co/models/microsoft/trocr-large-printed" \
  -H "Authorization: Bearer $HF_TOKEN" \
  -H "Content-Type: image/png" \
  --data-binary @IMAGE_FILE

# للنصوص العربية تحديداً، جرّب:
# yazeed7/arabic-trocr أو أي نموذج عربي متاح على HuggingFace
curl -s -X POST "https://api-inference.huggingface.co/models/yazeed7/arabic-trocr" \
  -H "Authorization: Bearer $HF_TOKEN" \
  -H "Content-Type: image/png" \
  --data-binary @IMAGE_FILE
```

## أوضاع PSM (Page Segmentation Modes)
| الوضع | الاستخدام |
|-------|-----------|
| `--psm 3` | تلقائي (افتراضي) |
| `--psm 6` | كتلة نص واحدة (الأفضل للمستندات) |
| `--psm 7` | سطر واحد |
| `--psm 8` | كلمة واحدة |
| `--psm 13` | نص خام بدون OSD |

## متى تستخدم
- المستخدم يرسل صورة فيها نص عربي
- يريد استخراج نص من مستند PDF ممسوح
- يريد قراءة مخطوطة أو وثيقة قديمة
- يريد تحويل صورة واتساب فيها نص لنص قابل للنسخ

## القواعد
- ابدأ دائماً بـ Tesseract المحلي — يعمل بدون إنترنت وبدون مفاتيح API
- الصور الواضحة عالية الدقة تعطي نتائج أفضل
- المخطوطات والخطوط المزخرفة تكون أقل دقة — نبّه المستخدم
- إذا النتيجة ضعيفة، اقترح تحسين الصورة أولاً بـ magick
- نماذج HuggingFace اختيارية وقد لا تكون متاحة دائماً

