Converter Bijoy em Unicode

O que é convertido e o que fica como está

Só o texto que está em uma fonte Bijoy é convertido — a fonte do próprio trecho, a fonte do seu estilo de caractere ou de parágrafo, ou o padrão do documento, nessa ordem de precedência. É assim que um documento que mistura um título em inglês em Arial com parágrafos em bengali em SutonnyMJ volta com o título intacto e os parágrafos em Unicode. Os trechos convertidos são compostos em Nirmala UI, que cobre bengali e latino e vem com o Windows, então o arquivo abre como bengali sem instalar nada; troque depois por qualquer fonte bengali Unicode se preferir outra. O Word guarda tamanho e peso separados para texto de script complexo, e um trecho Bijoy só tem os comuns, então esses são copiados — um documento em 14 pontos continua em 14 pontos, em vez de cair no padrão de script complexo.

O Word quebra um trecho onde o corretor ortográfico deixou uma marca ou onde a formatação mudou, o que muitas vezes coloca as duas metades de uma palavra em dois trechos. Converter as metades separadamente deixaria um sinal vocálico do lado errado da quebra, então trechos vizinhos na mesma fonte Bijoy são convertidos como um só bloco e o resultado vai para o primeiro deles. A única consequência visível é que uma palavra que passava de negrito para normal no meio sai com a formatação do primeiro trecho. No Excel o mesmo texto é compartilhado entre todas as células que o exibem, então uma string mostrada em SutonnyMJ numa célula e em Calibri em outra é dividida em duas, e só as células em SutonnyMJ recebem a cópia convertida.

Um arquivo de texto simples é lido como UTF-8 e, quando não é UTF-8 válido — um .txt Bijoy salvo pelo Bloco de Notas é Windows-1252 —, como Windows-1252, que é o que dá ao "‡" o seu byte. Cada linha é convertida e o resultado é salvo como UTF-8. Nada mais em um arquivo Word ou Excel é reescrito: imagens, estilos, numeração, comentários, XML personalizado e macros são copiados byte a byte, e um documento assinado digitalmente vai mostrar a assinatura como inválida, porque o conteúdo mudou.

Quando você precisa de outra coisa

Um arquivo que mistura Bijoy e inglês dentro da mesma fonte é o único caso que isto não consegue julgar. Se alguém digitou uma frase em inglês com a SutonnyMJ selecionada, o arquivo contém letras latinas de qualquer jeito, e “Dhaka” em SutonnyMJ realmente é desenhado como bengali — o conversor precisa tratar cada letra naquela fonte como Bijoy, então a palavra em inglês também vira uma palavra bengali. Converta e depois procure inglês que saiu como algo sem sentido; não existe teste automático que separe os dois.

Para centenas de documentos, a ferramenta certa é um script. As mesmas tabelas de conversão de código aberto que esta página usa estão disponíveis como bibliotecas, e um loop sobre uma pasta com uma delas, gravando uma cópia convertida ao lado de cada original, são vinte linhas em Python ou Node e roda sem supervisão. Esta página é para o documento que está na sua frente.