Как преобразовать персидский файл PDF в формат Microsoft Word?
У меня есть PDF-файл, который написан на персидском языке, и это справа налево. Так как персидский использует формат UTF-8, поэтому я не могу преобразовать его в обычный текст в Microsoft Word, также я не могу скопировать и вставить текст, в результате чего нечитаемые символы. Я пробовал много программ, таких как unipdf и e-Pdf Converter, однако после преобразования символы по-прежнему отображаются неправильно. Я даже попробовал OCR, но опять та же проблема появилась. У PDF нет пароля или ограничений.
У кого-нибудь есть другие идеи?
Изменить: Я на самом деле пытался создать файл в MS Word и преобразовать его в PDF, после этого у меня снова была та же проблема с файлом PDF (даже кодировка была известна)
3 ответа
Очень часто файлы PDF в нелатинских сценариях (особенно в сценариях RTL, таких как арабский, иврит и фарси) генерируются программным обеспечением, которое сортирует LTR по тексту на уровне слов или фрагментов предложений, или просто каким-то образом получает нужные символы. дисплей, но вы получите бред для "логического" текста. В этих случаях мало что можно сделать, кроме как написать собственный обратный конвертер, который фактически не подходит.
Однако, если вы можете выяснить, как создается файл - что часто указывается в метаданных, доступных с помощью обычных программ чтения PDF-файлов, - возможно, есть вариант открыть файл в приложении, которое его сгенерировало, или, по крайней мере, вы можете сделать ваш вопрос более конкретный.
У меня была такая же проблема с преобразованием файлов PDF в слово. После копирования / вставки в Word форматирование изменилось и стало причиной проблем. Я перепробовал несколько онлайн-конвертеров, но они также потерпели неудачу.
Единственный метод, который работал, был следующим:
- Откройте файл PDF с помощью Adobe Acrobat Reader, затем в меню "Файл" выберите "Печать". Из имен принтеров выберите Adobe Acrobat. Да, вы собираетесь создать PDF из PDF!
- Откройте новый файл PDF с помощью Google Chrome (перетащите файл в Chrome).
- Теперь просто выделите весь текст (Ctrl + A) и скопируйте / вставьте его в пустой файл Word.
В настоящее время я работал над преобразованием PDF в редактируемый персидский текст. Лучшее решение, которое я нашел, это использовать Google Doc следующим образом.
- Вы должны конвертировать PDF страницы в изображения. Для этого вы можете использовать Adobe Acrobat Reader(не Adobe Reader, который является бесплатным) или в Linux я использую GIMP, чтобы открыть PDF, а затем я выбираю, чтобы открыть каждую страницу в отдельном изображении. Это твой собственный выбор.
- Загрузите файлы изображений на Google Drive
- Перейдите на Google Drive и щелкните правой кнопкой мыши на каждом изображении, затем нажмите
open with google doc - дождитесь, пока google doc откроет редактируемый текст из вашего изображения
- Скопируйте это в слово
Я не знаю, есть ли какой-либо автоматизированный метод. Я надеюсь, что когда-нибудь у меня будет время подать заявку на это автоматически.
Я знаю, что уже слишком поздно для ответа, но для тех, у кого есть тот же вопрос, я мог бы предложить Delix.ir, который является персидским OCR и конвертером PDF в слово.
Отказ от ответственности: я основатель delix.ir, и я надеюсь, что это не будет рассматриваться как реклама.