@Alex_Gur

Кракозябры при копировании из PDF в Word

При при копировании текста из некоторых файлов PDF в Word получаются кракозябры.
Например:

вместо:

Понятно, что такие тексты распознавать тексты с помощью FineReader или других аналогичных программ. Имеются ли другие решения?
Также вопрос: почему получаются такие кракозябры? Была применена шифровка?

Пример описанного файла PDF прилагаю.

Вложения

stgnrbonmeetn.pdf (223.4 Кб, 97 просмотров)

0

@antal10

Лови и не мучайся

Вложения

ворд.rar (268.6 Кб, 488 просмотров)

0

@Alex_Gur

Спасибо, antal10!
Но меня интересует не конкретно этот файл, а теоретический ответ на данный вопрос.
Данный файл я привел только в качестве примера.

Еще раз повторю вопросы:
1. Каким образом при формировании файла PDF была создана такая проблема с кракозябрами?
2. Как скопировать текст из подобного файла PDF в Word без распознавания текста.

0

@antal10

1. Очень просто. Достаточно зайти в свойства документа и посмотреть, что файл был создан с помощью Mac OS X 10.6.7 Quartz PDFContext возможно там и кодировка маковская, а может он и зашифрован, там есть такое. Проверить не могу.
2. Никак. Вообще-то Витя Орлов это продает за деньги, было бы удивительно если бы это просто так копировалось. Возможно и зашифровал. Хотя я склоняюсь все-таки к какой-то хитрой маковской кодировке шрифтов, которую ворд, а точнее винда не понимает.

1

@Alex_Gur

Большое спасибо, ясно.
И последний вопрос: тогда каким образом Вы этот файл преобразовали? Через Mac OS?

0

@antal10

Это не я - это хозяин файлов, т.е. Виктор Орлов.

1

@Alex_Gur

Еще раз - благодарю за разъяснение!

0

@Shangry

Та же самая проблема, но несколько под другим углом.

В редакции делается верстка газеты, а потом она преобразуется в PDF. Если с PDF-страницы газеты скопировать в Word кусок текста, то происходит уже описанное здесь - в Word появляется несколько абзацев кракозябр.
Методом тыка выяснилось, что возникает такое из-за изменения кодовой страницы. Вставляется почему-то в 1252 (CP-1252), хотя должно происходить в нормальной 1251.

Преобразовать скопированный текст обратно в CP-1251 не проблема, нашел в Сети кучу рекомендаций, как это сделать. Но хотелось бы устранить первопричину этого вывиха, чтобы копировалось без проблем. А пока не очень понятно с чего это вообще возникает.
Вот сверстанный текст - все вроде бы в порядке, видимых нарушений нет. В Acrobat Distiller делаем из него PDF -тоже вроде бы проходит без проблем, сообщений об ошибках нет. Открываем полученный PDF - тоже все нормально.
Но если попробовать из него что-то скопировать - кракозябры.

0

@Raptor279

Здравствуйте, та же проблема. Пдф создан в Мак Ос, из-за этого не могу скопировать текст. А текст на англ языке, в переводчики буду забрасывать, сможете помочь? Там 46 страниц.

Вложения

whitepaper_en.pdf (2.61 Мб, 23 просмотров)

0

shanemac51

распознается файнридером неплохо, а копированием --кракозябры

Вложения

whitepaper_en.docx (19.0 Кб, 17 просмотров)

1

@Raptor279

А как вы так сделали? Мне бы весь документ в ворд запихать, а у вас только 8 страниц, не подскажите как это сделать?

0

shanemac51

--установить FineReader 12
--научиться с ним работать
--этот ПДФ достаточно хорош, но несколько минут на страницу(вместе с доработкой в ВОРДЕ) понадобится
--у вас 46 страниц --вечера должно хватить
--твм есть еще рисунки с текстом --его тоже надо выделить и вывести в текст

желаю успехов в освоении новой программы

0

@Казанский

shanemac51, FineReader очень хорош, но сильно платный
Raptor279, есть https://finereaderonline.com/ , он дает бесплатно распознать 10 картинок на один email (подсказка раз ).
Причем картинка может быть большой (подсказка два).
Если нужен только текст, то можно в простом граф. редакторе типа IrfanView сохранить PDF постранично, создать панорамы из нескольких страниц (например 2х5) и распознать finereaderonline в Excel.

А еще распознавалка есть в Гугл-диск: https://support.google.com/drive/answer/176692
С английским текстом хорошего качества должна справиться.

0

shanemac51

в свое время я пробовала более 20 распознавалок, позже еще с десяток
после проб оставила только 3
остальные дают недостоверное распознавание при немного нестандартном ПДФ(о сканах уж молчу)

файл ТС достаточно приличный(видимо получен напрямую из WORD или аналога)
может его распознает и еще что-то из отброшенных мною 27 программ

сканы же, особенно грязные и кривые, распознает только файнридер

0

@InterWall

Очень странно, но мак тоже не понимает эти символы. И проблема тут точно не в кодировке. Скорее проблема в программе, которая при создании PDF забыла включить туда символы. Под словами так вообще символов нет, только пробелы.
Не совсем, в том файле такая же проблема. И мак его точно также не читает. Даже больше скажу, если бы проблема была с кодировкой (которая может отличаться, не спорю), выглядело бы это так:
Или даже так:
Тут проблема уж точно не в ней, у вашем файле просто набор несвязных символов. Скорее всего, при создании PDF криво вписали параметры. Символы должны быть одинаковыми для любой системы, PDF это картинки с возможностью пихать под них символы. Так что подозрение падает именно на создавших эти файлы.

И да, FineReader это действительно лучший софт для распознавания. Всякие бесплатные и так далее не дадут сравнимого по качеству результата.

0

shanemac51

не вычитывала

Вложения

Новый документ.docx (44.8 Кб, 15 просмотров)

0

@Le_ka

Здравствуйте, та же проблема. Пдф создан в Мак Ос, из-за этого не могу скопировать текст.

Вложения

RGR-2_28_gr.pdf (209.7 Кб, 9 просмотров)

0

shanemac51

текста в ПДФ очень мало, но и в него внедрены мини-формулы, которые в текст НЕ ПЕРЕВЕДУТСЯ
остальное - это явный функции с вкраплениями смеси символ+символ через мини функцию

хотя может ПДФ сделан даже не с документа ВОРД, а например с LaTex

0

shanemac51

Le_ka,
вот что получается даже через finereader

я обычно распознаю формулы как картинки, причем часто в ячейках таблицы
и уже в ворде перебиваю в редакторе формул

Миниатюры

 

0

@c2wexciter

Сам недавно намучался с данной проблемой, но на забугорных форумах вычитал сработавший для меня метод. Из вводных данных: в системе установлен пакет Microsoft Office и Adobe Acrobat Pro. Открываем нужный пдф файл в акробате, жмём печать - там выбираем принтер "Microsoft Print to PDF", сохраняем в удобное место. Потом открываем акробатом уже этот сохранённый файл и экспортируем его в формат ворда. Не знаю как и почему это работает, но надеюсь кому-нибудь пригодится!

1