איך מעתיקים מ PDF ל Word
-
-
@נתן אמר באיך מעתיקים מ PDF ל Word:
יש דרך להתגבר על זה?
לא בחינם. (למרות שאם אתה ממש מתעקש כמוני תצליח...).ראה בפוסט הבאתיאור הבעיה
הבעיה היא שהגופנים לא מקודדים נכון.
וביתר פירוט,
בד"כ, דהיינו בפורמטים של קבצים שניתנים לעריכה, הטקסט של הקובץ מקודד כמספרים, (א=1488, ב=1499 וכו' זה ב-unicode, יש כמה קידודים, אבל הכי טוב הוא יוניקוד.)
איך התוכנה יודעת איזה צורה להציג עבור כל מספר? המידע הזאת מקודד בגופן. כלומר, בתוך הגופן נמצא מפה שממפה את המספר 1488 לצורת האות א' וכו' על זה הדרך לכל התווים שהגופן תומך בהם.
בפורמט PDF לעמות זאת, זה הולך הפוך, הטקסט מקודד כרצף של מזהי גליפים (גליפים=צורות שנמצאים בתוך הגופן) ולא במספרי תווים (זה מוודא שהתוכן יוצג נכון גם אם הגופן לא מקודד נכון). ואז כדי להעתיק את זה עבור תוכנות אחרות, קורא ה-PDF מנסה להמיר את זה חזרה למספרי תווים באמצעות המיפוי הנ"ל שבתוך הגופן (ב-PDF בד"כ הגופן מוטמע בתוך הקובץ, לא מדובר בגופן שמותקן במערכת).
הבעיה היא שיש גופנים עם מיפוי לא תקני, ויש מייצרי PDF שלא מטמיעים את המיפוי הנכון.פתרונות
בעבר ישבתי שעות על גבי שעות לנסות למצוא פתרון לבעיה.
בעצם הפתרון אמור להיות תוכנה שיציג למשתמש את מפת התווים של כל הגופנים שמוטמעים ב-PDF והמשתמש יכניס את המיפוי הנכון שאותו התוכנה יטמיע בגופן.
יש שתי רעיונות לשפר את השימוש בתוכנה (התיאורטית):- שבתוך התוכנה יהיו מוטמעים מפויים (לא תקניים) מצויים, והתוכנה יציע למשתמש להשתמש באחד מהמיפויים שכבר הוגדרו
- שהתוכנה ינסה לזהות בעצמו את המיפוי הנכון על ידי OCR, ויישאר למשתמש רק לאמת את הזיהוי
הבעיה היא שאין תוכנה כזאת בשוק שהוא בהישג יד כל אחד ואחד
דיברתי עם ABBYY שיוסיפו את זה לתוכנה שלהם (ABBYY FineReader), אבל אחרי הרבה הלוך ושוב, התמיכה המטומטמת שלהם עדיין לא הבינו מה אני רוצה מחייהם...יש אומנם שתי תוכנות שכן מציעים תכונה זאת:
-
infix -הבעיות הם א) זה רק בתשלום ב) פעם העבר שניסיתי אותה (בסוף 2017) התכונה הזאת לא עבדה
(דיווחתי להם והם טענו שזה יתוקן - לא בדקתי שוב)
-
axesPDF QuickFix
זה תוכנה מצויינת אבל עולה הרבה
(אני פרצתי את התוכנה עבור עצמי וכך הצלחתי לתקן כמה PDF-ים משובשים... אבל זה לא להפצה)
יש לי חלום של שנים לכתוב תוכנה כזאת אבל זה עדיין רק חלום...
נראה לי שיש ל @רחמים עוד מה לתרום לנושא. (אתה נפגשת בבעיה הזאת בתוכנת החיפוש שלך, לא?)
-
עדכון: אחרי שכתבתי את כל המגילה הארוכה הנ"ל הורדתי שוב את הגירסה האחרונה של תוכנת infix לנסיון
ואני רואה
א) שהתכונה של מיפוי הגופנים עובדת! פלאי פלאים!
ב) גם בגירסת הנסיון זה עובד בלי להוסיף סימן מים לקובץ!אני רואה שיש להם גם אופציה לתיקון אוטומטי באמצעות OCR, אבל זה עובד רק באנגלית
אם כן, זה הפתרון להוריד את גירסת הנסיון של infix.
ואז בתפריט text > remap fonts לתקן את המיפוי, לאשר, ולשמור. -
גילוי אדיר
OCR לעברית עם ניקוד
מעלים לגוגל דרייב>פתח באמצעות>GOOGLEDOCS
קובץ רק עם משקל עד אולי 20 מגה יותר מזה לא עובד (לפחות אצלי)
אם הקובץ הוא בעצם טקסט אז הוא לא עושה OCR אלא סתם מעתיק את הטקטס ואז יהיה לך אותה בעיה. לכן יש להפוך את ה PDF לתמונות בכדי שיבצע OCR ולא רק חילוץ טקטס. איך עושים זאת? עושים הדפסה עם מדפסת PDF שם לבחור (ב ADOBE) מתקדם>הדפסה כתמונה
הקובץ שהוא מייצא בעצם איבד את הטקסט ונהיה תמונות ללא אפשרות העתקה. עכשיו תעלהו באוב אל גוגל דרייב פתח באמצעות גוגל דוקס
ועי' גם פה, ופהוכמה זה עולה כל הסיפור הזה?
0.0 ש"ח -
-
-
-
@יוני אמר באיך מעתיקים מ PDF ל Word:
תוכל להראות לי תמונת מסך של מסמך עם בעיה זו
לא רואים כלום בצילום מסך:
אבל כאשר מעתיקים ומדביקים את הטקסט המסומן זה מה שמקבלים:
ÏÏÎ ˜¯Ù ¯Á‡ ˙·ÏÓ ˙·‡ È·‚ ˙Â˘Ï ÂÏ ‰È‰ [‡] .ÛÂÒ·Ï ‰‡ˆÂ‰ È˙˜Â 'ÂΠÈ˙˜ Ì˙‰„ ÔÓ˜Ï Ï„‚ -
@yossiz אמר באיך מעתיקים מ PDF ל Word:
@יוני אמר באיך מעתיקים מ PDF ל Word:
תוכל להראות לי תמונת מסך של מסמך עם בעיה זו
לא רואים כלום בצילום מסך:
אבל כאשר מעתיקים ומדביקים את הטקסט המסומן זה מה שמקבלים:
ÏÏÎ ˜¯Ù ¯Á‡ ˙·ÏÓ ˙·‡ È·‚ ˙Â˘Ï ÂÏ ‰È‰ [‡] .ÛÂÒ·Ï ‰‡ˆÂ‰ È˙˜Â 'ÂΠÈ˙˜ Ì˙‰„ ÔÓ˜Ï Ï„‚הבנתי, זה מצוי שמעתיקים מPDF שנסגר בתג למשל.
אז מה עושים -
-
@yossiz אמר באיך מעתיקים מ PDF ל Word:
@יוני הבאתי תמונה למעלה של התוכנה.
התוכנה מביאה לך רשימה של כל הגופנים שיש בקובץ, ולכל גופן הוא מראה לך מפה של כל התווים, אתה עובר עליהם אחד אחד ומכניס את התו הנכון.
זה לוקח 2 דקות. וזה מתקן את כל הקובץ, לא משנה מה גודל הקובץ.הבנתי. למעשה אני לא אראה שום שינוי במסמך כי הרי שהוא מציג אותה זה נראה מצוין רק בהעתקה יש בעיה?
-
@yossiz אמר באיך מעתיקים מ PDF ל Word:
@יוני הבאתי תמונה למעלה של התוכנה.
התוכנה מביאה לך רשימה של כל הגופנים שיש בקובץ, ולכל גופן הוא מראה לך מפה של כל התווים, אתה עובר עליהם אחד אחד ומכניס את התו הנכון.
זה לוקח 2 דקות. וזה מתקן את כל הקובץ, לא משנה מה גודל הקובץ.אבל בשמירה הוא מאיים שהוא יעשה סימון מים ברקע
חוץ מזה גם לפני שמירת הקובץ אני לא מצליח לסמן טקסט להעתקה גם שאני לא לוחץ על ה T שמאפשר לבחור טקסט. הוא רק מסמן לי אות אחת בודדת מבלי אפשרות לבחור אות נוספת -
@yossiz אמר באיך מעתיקים מ PDF ל Word:
@יוני תתעלם מהכל, תבחר Save With Watermark. אח"כ תפתח אותו בתוכנת PDF נורמלית.
מנסיון שלי על אף שהוא מאיים על סימן מים זה איום ריק... (כנראה שסימן המים מופיע רק אם ערכת את ה-PDF ומיפוי תווים לא מזוהה כעריכה).חוץ מזה עכשיו אני רואה שסימון מים עשו בצורה טיפשית (סליחה על המילה) כי זה רק מוסיף למטה תוספת עם לוגו שלהם ואפשר בקלי קלות לקצץ את זה
תראה דוגמא
י.pdf
