बांग्ला PDF को Word में बदलें

बांग्ला PDF में अलग क्या है

पुनर्क्रम ही सारी बात है। PDF की टेक्स्ट लेयर ग्लिफ़ को बनाने के क्रम में रखती है, और बांग्ला शेपिंग इंजन व्यंजन से पहले आने वाले स्वर-चिह्न (ি, ে, ৈ) को व्यंजन से पहले बनाता है और ো और ৌ को उसके दोनों तरफ़ दो ग्लिफ़ में बांट देता है; इसलिए सादे एक्सट्रैक्टर से निकला टेक्स्ट “স্ব␃াভািবক” होता है, जहां पेज पर “স্বাভাবিক” लिखा है। कुछ और करने से पहले हर लाइन को तार्किक क्रम में वापस रखा जाता है — स्वर-चिह्न अपने समूह के बाद, रेफ র্ के रूप में उस समूह से पहले जिस पर वह बैठता है, दो हिस्सों वाले स्वर एक कोड पॉइंट के रूप में। OCR के आउटपुट को इसकी ज़रूरत नहीं, क्योंकि इंजन पहले से तार्किक क्रम में ही देता है।

हेडिंग, पैराग्राफ़, लिंक, इमेज और पेज ब्रेक ठीक वैसे ही तय किए जाते हैं जैसे सामान्य “PDF को Word में बदलें” पेज पर: एक ही बेसलाइन वाले शब्द एक लाइन हैं, बढ़ता फ़ासला नया पैराग्राफ़ शुरू करता है, बॉडी साइज़ के 1.6 गुना पर छोटी लाइन हेडिंग है, और लिंक एनोटेशन Word हाइपरलिंक बन जाता है। “हूबहू रूप” पेज का आर्टवर्क 144 DPI पर रेंडर करता है और उसके ऊपर असली टेक्स्ट रखता है; “एडिट होने वाला टेक्स्ट” पढ़ने के क्रम में साफ़ पैराग्राफ़ दोबारा बनाता है।

बांग्ला अंक बांग्ला अंक ही रहते हैं, और पेज पर लैटिन शब्द — ईमेल पता, रेफ़रेंस नंबर — लैटिन ही रहता है। स्कैन के लिए बांग्ला पैक ही लोड होता है, इसलिए अंग्रेज़ी लेटरहेड वाला बांग्ला पेज बांग्ला को सही पढ़ता है और लेटरहेड को बांग्ला जैसे बेतुके टेक्स्ट की तरह पढ़ सकता है; अगर अंग्रेज़ी मायने रखती है तो भाषा सूची में अंग्रेज़ी जोड़ें।

जब आपको कुछ और चाहिए

Word फ़ाइल से बनी PDF एक ऐसा पुनर्निर्माण है जो होने का इंतज़ार कर रहा है; हो सके तो .docx मांग लें। और Bijoy .docx को PDF में प्रिंट करके वापस बदलने से बेहतर है उसे “Bijoy को यूनिकोड में बदलें” से कन्वर्ट करना — कीस्ट्रोक एक भी ग़लती के बिना बदलते हैं, फ़ॉर्मैटिंग बची रहती है, और कुछ भी पिक्सेल से दोबारा नहीं पढ़ा जाता।

स्कैन की गई बांग्ला किताबों के आर्काइव के लिए बांग्ला मॉडल वाला डेस्कटॉप OCR टूल रात भर में पूरा फ़ोल्डर पढ़ लेता है, और OCRmyPDF हर PDF में उसका रूप बदले बिना सर्च होने वाली लेयर जोड़ देता है — सैकड़ों फ़ाइलों के लिए सही आकार का टूल वही है, जहां यह पेज एक के लिए है।