VPF::скопировать текст из pdf - Форум программистов

bars80080

Дата 17.10.2010, 20:10 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

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

Данкинг

Дата 17.10.2010, 21:55 (ссылка)

(нет голосов)

Загрузка ...

Yersinia pestis

Профиль
Группа: Завсегдатай
Сообщений: 8302
Регистрация: 7.11.2006
Где: მოსკოვი

Репутация: 5
Всего: 130

Файл в студию.

--------------------

There's nothing left but silent epitaphs.

bars80080

Дата 17.10.2010, 22:02 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

не, 30 Мб я закачивать не стану

Данкинг

Дата 17.10.2010, 22:07 (ссылка)

(нет голосов)

Загрузка ...

Yersinia pestis

Профиль
Группа: Завсегдатай
Сообщений: 8302
Регистрация: 7.11.2006
Где: მოსკოვი

Репутация: 5
Всего: 130

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

--------------------

There's nothing left but silent epitaphs.

bars80080

Дата 17.10.2010, 22:30 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

она у меня активна, так и копируется кракозябрами

попытался везде поменять на en - тоже самое

cardinal

Дата 17.10.2010, 22:39 (ссылка)

(нет голосов)

Загрузка ...

Инженер

Профиль
Группа: Экс. модератор
Сообщений: 6003
Регистрация: 26.3.2002
Где: Германия

Репутация: 2
Всего: 99

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 smile

--------------------

Немецкая оппозиция потребовала упростить натурализацию иммигрантов
В моем блоге: Разные истории из жизни в Германии

"Познание бесконечности требует бесконечного времени, а потому работай не работай - все едино". А. и Б. Стругацкие

bars80080

Дата 18.10.2010, 01:02 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

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

gcc

Дата 18.10.2010, 01:35 (ссылка)

(нет голосов)

Загрузка ...

Агент алкомафии

Профиль
Группа: Участник
Сообщений: 2691
Регистрация: 25.4.2008
Где: %&й

Репутация: 2
Всего: 17

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

--------------------

Perl FAQ
freelance
perl, jquery, js, php
perl, jquery

cardinal

Дата 18.10.2010, 01:58 (ссылка)

(нет голосов)

Загрузка ...

Инженер

Профиль
Группа: Экс. модератор
Сообщений: 6003
Регистрация: 26.3.2002
Где: Германия

Репутация: 2
Всего: 99

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

--------------------

bars80080

Дата 18.10.2010, 13:41 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

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?

bars80080

Дата 18.10.2010, 15:26 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

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

gcc

Дата 18.10.2010, 17:30 (ссылка)

(нет голосов)

Загрузка ...

Агент алкомафии

Профиль
Группа: Участник
Сообщений: 2691
Регистрация: 25.4.2008
Где: %&й

Репутация: 2
Всего: 17

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 );

Это сообщение отредактировал(а) gcc - 18.10.2010, 17:32

--------------------

Perl FAQ
freelance
perl, jquery, js, php
perl, jquery

Shlit

Дата 18.10.2010, 22:13 (ссылка)

(нет голосов)

Загрузка ...

Мастер

Профиль
Группа: Участник
Сообщений: 796
Регистрация: 24.1.2005
Где: Саратов Россия

Репутация: 3
Всего: 23

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

--------------------

Shlit - владение в совершенстве, умение, знание (др. евр.)

bars80080

Дата 18.10.2010, 23:08 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 4
Всего: 315

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

0 Пользователей читают эту тему (0 Гостей и 0 Скрытых Пользователей)
0 Пользователей:
« Предыдущая тема \| Разные вопросы \| Следующая тема »