Версия для печати темы Нажмите сюда для просмотра этой темы в оригинальном формате

Форум программистов > Разные вопросы > скопировать текст из pdf

Автор: bars80080 17.10.2010, 20:10

есть у меня pdf-файл, adobe reader нормально показывает текст в нём на русском языке. однако, если выделяю этот текст и копирую, а затем вставляю куда-нибудь, то вставляются кракозябры вида Цитата Âòîðîå èçäàíèå ñîñòîèò èç èçíà÷àëüíîãî òåêñòà при этом английский текст копируется нормально. также, если открыть поиск в этом документе, то набранное слово по-русски ничего не находит, а вот если вставить скопированное из текста (которое вставляется в строку поиска в виде кракозябр), то ищется нормально каким образом можно скопировать этот текст в читабельном виде? мне вообще нужен и поиск по нему и копирование абзацев, чтобы заново не пришлось набирать

Автор: Данкинг 17.10.2010, 21:55

Файл в студию.

Автор: bars80080 17.10.2010, 22:02

не, 30 Мб я закачивать не стану

Автор: Данкинг 17.10.2010, 22:07

Ну, тогда глупое и единственное предположение: копируй при активной русской раскладке.

Автор: bars80080 17.10.2010, 22:30

она у меня активна, так и копируется кракозябрами попытался везде поменять на en - тоже самое

Автор: cardinal 17.10.2010, 22:39

bars80080, 1. вставляешь крякозябры в текстовой файл в блокноте 2. записываешь файл как .html 3. открываешь firefox'ом 4. выбираешь кодировку в которой читается 5. копируешь оттуда... Добавлено через 59 секунд Крэкнул: Второе издание состоит из изначального текста

Автор: bars80080 18.10.2010, 01:02

да, текст такой, но что-то у меня не получается. причём вначале вообще не реагировало, там оказался важным момент как сохранить текст. сейчас я его выделил, скопировал, открыл блокнот, вставил, и сохранил как html файл в кодировке юникод, в итоге при открытии в ФФ, при выборе одной из восточноевропейских кириллических получаю читабельный текст разбодяженный символами FFFD. и лучше не получается а какую ты выбрал сам? а то комбинаций слишком много получается

Автор: gcc 18.10.2010, 01:35

bars80080, можно попробовать такое...  http://decoder.design.ru/  можно скрипт написать который будет декодировать, распознавать кодировку

Автор: cardinal 18.10.2010, 01:58

bars80080, у меня автоматом стояла правильная кодировка. А именно кириллическая (windows 1251)...

Автор: bars80080 18.10.2010, 13:41

чёрт, чего же у меня, лучше чем так Цитата юя�В�т�о�р�о�е� �и�з�д�а�н�и�е� �с�о�с�т�о�и�т� �и�з� �и�з�н�а�ч�а�л�ь�н�о�г�о� �т�е�к�с�т�а не получается... Добавлено через 2 минуты и 12 секунд Цитата(gcc @  18.10.2010,  01:35 ) можно попробовать такое...  http://decoder.design.ru/  ага, они распознали. только вот механизм: Цитата Как нам пришлось помучиться CP1252 → CP1251 что бы это значило? из какого-то некошерного 1251 в кошерный?

Автор: bars80080 18.10.2010, 15:26

в общем, у меня не получается использовать стандартные средства. пришлось писать свои: Код if(!empty($_POST['text'])) {          $reg = array('/&#[0-9]*;/');     $func = 'qwer';     $text = preg_replace_callback($reg, $func, $r);          echo $text;      } function qwer($m) {     $t = intval(substr($m[0], 2, -1));     $k = chr($t);     return $k; } вроде делает то что надо. сегодня попытаюсь сконвертить весь текст, там посмотрим

Автор: gcc 18.10.2010, 17:30

Цитата(bars80080 @ 18.10.2010,  13:41) Цитата Как нам пришлось помучиться CP1252 → CP1251 что бы это значило? из какого-то некошерного 1251 в кошерный? да, есть такое, у меня такая же проблема Код use Encode;      $out_bb = Encode::encode( 'cp1252', $out_bb );

Автор: Shlit 18.10.2010, 22:13

А если использовать распознаватель текста из pdf, не проще ли все будет? Тот же ABBYY FineReader прекрасно справляется.

Автор: bars80080 18.10.2010, 23:08

Цитата(Shlit @  18.10.2010,  22:13 ) Тот же ABBYY FineReader прекрасно справляется.   ммм, как-то вспоминалось, почти вспомнилось, но так им и не занялся. давно уже не пользовался может быть помучаю ещё текст с этой точки зрения. пока же законвертировать удалось вполне читабельно и поисковично. можно радоваться всем спасибо

Powered by Invision Power Board (http://www.invisionboard.com)
© Invision Power Services (http://www.invisionpower.com)