Convertir du Bijoy en Unicode

Ce qui est converti et ce qui est laissé tel quel

Seul le texte composé dans une police Bijoy est converti — la police propre du passage, celle de son style de caractère ou de paragraphe, ou celle par défaut du document, dans cet ordre de priorité. C'est ainsi qu'un document mêlant un titre en anglais en Arial et des paragraphes en bengali en SutonnyMJ revient avec le titre intact et les paragraphes en Unicode. Les passages convertis sont composés en Nirmala UI, qui couvre le bengali et le latin et est livrée avec Windows, si bien que le fichier s'ouvre en bengali sans rien installer ; remplacez-la ensuite par n'importe quelle police bengalie Unicode si vous en préférez une autre. Word garde une taille et une graisse distinctes pour le texte en écriture complexe, et un passage Bijoy n'a que les valeurs ordinaires : celles-ci sont donc recopiées, et un document en 14 points reste en 14 points au lieu de retomber sur la valeur par défaut des écritures complexes.

Word coupe un passage partout où le correcteur orthographique a laissé une marque ou où la mise en forme change, ce qui place souvent les deux moitiés d'un même mot dans deux passages. Convertir les moitiés séparément laisserait un signe vocalique du mauvais côté de la coupure : les passages voisins dans la même police Bijoy sont donc convertis d'un seul tenant, et le résultat va dans le premier d'entre eux. La seule conséquence visible est qu'un mot passé du gras au normal en son milieu ressort avec la mise en forme du premier passage. Dans Excel, le même texte est partagé entre toutes les cellules qui l'affichent : une chaîne affichée en SutonnyMJ dans une cellule et en Calibri dans une autre est donc dédoublée, et seules les cellules SutonnyMJ reçoivent la copie convertie.

Un fichier texte brut est lu en UTF-8 et, quand il n'est pas de l'UTF-8 valide — un .txt Bijoy enregistré par le Bloc-notes est en Windows-1252 —, en Windows-1252, ce qui donne à « ‡ » son octet. Chaque ligne est convertie et le résultat est enregistré en UTF-8. Rien d'autre n'est réécrit dans un fichier Word ou Excel : images, styles, numérotation, commentaires, XML personnalisé et macros sont copiés octet pour octet, et un document signé numériquement affichera sa signature comme rompue, puisque le contenu a changé.

Si vous cherchez autre chose

Un fichier qui mêle Bijoy et anglais dans la même police est le seul cas que l'outil ne peut pas trancher. Si quelqu'un a tapé une phrase en anglais alors que SutonnyMJ était sélectionnée, le fichier contient des lettres latines dans les deux cas, et « Dhaka » en SutonnyMJ se dessine bel et bien en bengali — le convertisseur doit traiter chaque lettre de cette police comme du Bijoy, et le mot anglais devient donc lui aussi un mot bengali. Convertissez, puis relisez à la recherche d'anglais ressorti en charabia ; il n'existe aucun test automatique qui sépare les deux.

Pour des centaines de documents, un script est l'outil qui convient. Les tables de conversion open source qu'utilise cette page existent sous forme de bibliothèques, et une boucle sur un dossier qui, avec l'une d'elles, écrit une copie convertie à côté de chaque original tient en vingt lignes de Python ou de Node et tourne sans surveillance. Cette page est faite pour le document que vous avez sous les yeux.