بنگالی PDF کو Word میں تبدیل کریں

بنگالی PDF میں کیا الگ ہے

دوبارہ ترتیب ہی اصل بات ہے۔ PDF کی ٹیکسٹ لیئر گلفس کو بنانے کی ترتیب میں رکھتی ہے، اور بنگالی شیپنگ انجن حرف سے پہلے آنے والے اعراب (ি، ে، ৈ) حرف سے پہلے بناتا ہے اور ো اور ৌ کو اس کے اطراف دو گلفس میں بانٹ دیتا ہے؛ اس لیے سادہ ایکسٹریکٹر سے نکلنے والا ٹیکسٹ "স্ব␃াভািবক" ہوتا ہے جہاں صفحے پر "স্বাভাবিক" لکھا ہے۔ کچھ اور ہونے سے پہلے ہر لائن کو منطقی ترتیب میں واپس لایا جاتا ہے — اعراب اپنے کلسٹر کے بعد، ریف র্ کی صورت میں اس کلسٹر سے پہلے جس پر وہ بیٹھتا ہے، دو حصوں والے اعراب ایک کوڈ پوائنٹ کی صورت میں۔ OCR کے آؤٹ پٹ کو اس میں سے کسی چیز کی ضرورت نہیں، کیونکہ انجن پہلے ہی منطقی ترتیب دیتا ہے۔

ہیڈنگز، پیراگراف، لنکس، تصاویر اور پیج بریکس بالکل عام PDF سے Word صفحے کی طرح نکالے جاتے ہیں: ایک بیس لائن پر موجود الفاظ ایک لائن ہیں، بڑھتا ہوا فاصلہ نیا پیراگراف شروع کرتا ہے، عام ٹیکسٹ سے 1.6 گنا بڑی چھوٹی لائن ہیڈنگ ہے، اور لنک اینوٹیشن Word ہائپر لنک بن جاتی ہے۔ ہو بہو شکل صفحے کا آرٹ ورک 144 DPI پر رینڈر کرتا ہے اور اصل ٹیکسٹ اس کے اوپر رکھتا ہے؛ قابلِ ایڈٹ ٹیکسٹ پڑھنے کی ترتیب میں صاف پیراگراف دوبارہ بناتا ہے۔

بنگالی ہندسے بنگالی ہندسے ہی رہتے ہیں، اور صفحے پر موجود لاطینی لفظ — ای میل ایڈریس، ریفرنس نمبر — لاطینی رہتا ہے۔ اسکین کے لیے بنگالی پیک ہی لوڈ ہوتا ہے، اس لیے انگریزی لیٹر ہیڈ والا بنگالی صفحہ بنگالی درست پڑھتا ہے اور لیٹر ہیڈ کو بنگالی شکل کے بے معنی الفاظ کی طرح پڑھ سکتا ہے؛ اگر انگریزی اہم ہو تو زبانوں کی فہرست میں انگریزی شامل کریں۔

جب آپ کو کچھ اور چاہیے

Word فائل سے بنی PDF ایک ایسی تعمیرِ نو ہے جو ہونے کا انتظار کر رہی ہے؛ ہو سکے تو .docx مانگ لیں۔ اور Bijoy کی .docx کو PDF میں پرنٹ کر کے واپس تبدیل کرنے کے بجائے Bijoy سے یونیکوڈ کنورٹر سے تبدیل کرنا بہتر ہے — کی اسٹروکس ایک بھی غلطی کے بغیر تبدیل ہوتی ہیں، فارمیٹنگ برقرار رہتی ہے، اور کچھ بھی پکسلز سے دوبارہ نہیں پڑھا جاتا۔

اسکین شدہ بنگالی کتابوں کے آرکائیو کے لیے بنگالی ماڈل والا ڈیسک ٹاپ OCR ٹول رات بھر میں پورا فولڈر پڑھ لیتا ہے، اور OCRmyPDF ہر PDF کی شکل بدلے بغیر اس پر سرچ کے قابل لیئر لگا دیتا ہے — سینکڑوں فائلوں کے لیے یہی درست قسم کا ٹول ہے، جہاں یہ صفحہ ایک فائل کے لیے ہے۔