تحويل PDF بنغالي إلى Word

ما الذي يختلف في ملف PDF البنغالي

إعادة الترتيب هي جوهر الأمر. تحمل الطبقة النصية في ملف PDF الرسوم الحرفية بترتيب رسمها، ومحرك تشكيل البنغالية يرسم علامات الحركة السابقة للقاعدة (ি، ে، ৈ) قبل الساكن ويقسم ো وৌ إلى رسمَين حول الساكن؛ لذا يكون النص الخارج من مستخرج عادي "স্ব␃াভািবক" حيث تقول الصفحة "স্বাভাবিক". ويُعاد كل سطر إلى الترتيب المنطقي — علامة الحركة بعد مقطعها، و«الريف» র্ قبل المقطع الذي يجلس عليه، والحركات ذات الجزأين رمزًا واحدًا — قبل أي شيء آخر. أما مخرجات OCR فلا تحتاج إلى شيء من هذا، لأن المحرك يصدر الترتيب المنطقي أصلًا.

تُستنتج العناوين والفقرات والروابط والصور وفواصل الصفحات تمامًا كما في صفحة «تحويل PDF إلى Word» العامة: الكلمات التي تشترك في خط أساس واحد سطر، والفجوة الأوسع تبدأ فقرة، والسطر القصير بحجم 1.6 ضعف حجم المتن عنوان، والتعليق التوضيحي للرابط يصبح رابطًا تشعبيًا في Word. ويرسم «مظهر مطابق» رسومات الصفحة بدقة 144 DPI ويضع النص الحقيقي فوقها؛ أما «نص قابل للتعديل» فيعيد بناء فقرات نظيفة بترتيب القراءة.

تُحفظ الأرقام البنغالية أرقامًا بنغالية، وتبقى الكلمة اللاتينية على الصفحة — عنوان بريد إلكتروني، أو رقم مرجعي — لاتينية. وفي المستند الممسوح، حزمة البنغالية هي التي تُحمَّل، لذا فصفحة من البنغالية بترويسة إنجليزية تقرأ البنغالية قراءة صحيحة وقد تقرأ الترويسة كلامًا بلا معنى بأشكال بنغالية؛ أضف الإنجليزية في قائمة اللغات إن كانت الإنجليزية مهمة.

عندما تحتاج إلى شيء آخر

ملف PDF المُنشأ من ملف Word إعادة بناء تنتظر الحدوث؛ فاطلب ملف .docx إن استطعت. وملف .docx بترميز Bijoy يُحوَّل بـ «تحويل Bijoy إلى Unicode» خيرًا من أن يُطبع إلى PDF ثم يُحوَّل عكسيًا — فضغطات المفاتيح تُحوَّل دون خطأ واحد، ويبقى التنسيق، ولا يُعاد قراءة أي شيء من البكسلات.

ولأرشيف من الكتب البنغالية الممسوحة، أداة OCR مكتبية بالنموذج البنغالي تقرأ مجلدًا كاملًا طوال الليل، ويضيف OCRmyPDF طبقة قابلة للبحث إلى كل ملف PDF دون تغيير مظهره — وهو الشكل الصحيح من الأدوات لمئات الملفات، حيث هذه الصفحة لملف واحد.