Если не копируется текст из pdf?

[longstreet]

Можно ли что-то сделать с файлами формата pdf, из которых обычным путём не получается копировать текст?
Именно, текст при копировании вставляется кроказябрами.

Пример файла, из которого не получается копировать текст: http://www.lrc-lib.ru/ruslang/noss/text.pdf

[TupaHo3aBp]

Проблема со шрифтами или кодировкой. Я не знаю, как с этим бороться. Как вариант: перераспознавание файла PDF, через OCR. ABBYY имеет программу для этого... но это из пушки по воробьям. Ибо, если символы копируются (хоть и кракозябрами), значит, их можно получить в читаемом виде. Вставлять в совсем новый документ MS Word не пробовали? Он в кодировках очень даже рубит!

[longstreet]

TupaHo3aBp в сообщении #675684 писал(а):

Вставлять в совсем новый документ MS Word не пробовали?

Попробовал. Те же самые кроказябры.

[ewert]

TupaHo3aBp в сообщении #675684 писал(а):

Вставлять в совсем новый документ MS Word не пробовали? Он в кодировках очень даже рубит!

Там все русские буквы передаются латиницей и спецсимволами, т.е. первой половиной кодовой страницы, причём это не транслит. Так что никакой перекодировщик не поможет. Ну разве что попытаться сочинить самопальный, специально для этого файла...

[longstreet]

Спасибо!

[ewert]

Вообще-то по русским буквам -- это стандартная кодировка Windows (кодовая страница 1251), только сдвинутая почему-то именно на 134 влево. По спецсимволам (типа знаков препинания) -- сдвинута влево ещё более почему-то на 29. И, по некоторым признакам -- всё это следы некоего обрезания какого-то из Юникодов; и, возможно, их можно восстановить разными там манипуляциями с Вордом и/или Блокнотом; но можно ли, и если можно, то как -- не знаю.

[Xugin]

Сделайте скриншот с экранной области, pdf превращается в картинку. И в OCR её, работает на раз.

[ewert]

Xugin в сообщении #675875 писал(а):

И в OCR её, работает на раз.

OCR там не то и без того есть, не то Ридер на весу сам файнридерит. Скорее всего, первое, поскольку при некоторых телодвижениях выползают сообщения о каком-то из Юникодов. Только текстовой слой там какой-то странный -- кодировка при желании хоть и читается легко, но напрочь сбита по отношению ко всему естественному.

[Xugin]

Я ж и говорю, зачем голову с Юникодом морочить. Картинка распознаётся качественнее, даже не последней версией Аби.

[ewert]

Xugin в сообщении #675907 писал(а):

Я ж и говорю, зачем голову с Юникодом морочить. Картинка распознаётся качественнее,

Затем, что это морока -- грабить экран, потом запускать Файнридер (который, между прочим, весьма долго запускается). Гораздо проще скопировать мышкой что получится в какой-нибудь примитивный текстовой редактор и уже из него перекодировать простенькой самопальной утилиткой. Но на это надо настроиться, конечно. Дишовых же путей -- судя по всему, нет.

[Ontt]

ewert в сообщении #676526 писал(а):

это морока -- грабить экран

Пользуюсь программкой для просмотра pdf-файлов, которая сама способна экспортировать pdf в растр.