טקסט הפוך או ג'יבריש? איך יודעים מה הבעיה ואיך מתקנים כל אחת

העתקתם עברית ממסמך, וקיבלתם משהו שאי אפשר לקרוא. זה יכול להיות טקסט הפוך, זה יכול להיות ג'יבריש, וזה יכול להיות גופן חסר. שלוש בעיות שונות, שלוש סיבות שונות, ולכל אחת תיקון אחר. תיקון של בעיה אחת לא יעזור לשנייה, אז קודם מזהים.

בדיקה של כמה שניות: מה בדיוק יצא לכם?

הסתכלו על התוצאה ושאלו שאלה אחת: האם אלה אותיות עבריות? אם כן, הבעיה היא כנראה רק הסדר. אם לא, זו לא בעיית סדר, ושום היפוך לא יעזור.

ויש מקרה רביעי, שבו הבעיה מופיעה כבר על המסך: נקודות, ריבועים או גופן משונה בתוך ה-PDF עצמו. נגיע אליו בסוף.

בעיה 1: טקסט הפוך

הרבה קבצי PDF שומרים את האותיות לפי המקום שלהן על הדף, משמאל לימין. בעברית זה הפוך מסדר הקריאה. כשמעתיקים, התוכנה מוסרת את האותיות בסדר שבו צוירו, והשורה מגיעה מהסוף להתחלה. הסבר מלא, עם דוגמאות של מספרים ואנגלית בתוך המשפט, יש במדריך למה העברית יוצאת הפוכה כשמעתיקים מ-PDF.

מה מתקן: כלי שהופך את סדר האותיות אבל משאיר מספרים ומילים באנגלית במקום. טקסט שכבר הדבקתם מתקנים בתיקון טקסט עברי הפוך. קובץ שלם גוררים לטקסט עברי ישר מ-PDF.

בעיה 2: ג'יבריש של קידוד

מחשב שומר כל אות כמספר. "קידוד" הוא הטבלה שקובעת איזה מספר שייך לאיזו אות. יש כמה טבלאות כאלה. בטבלה הנפוצה היום, UTF-8, כל אות עברית נשמרת כשני מספרים. בטבלה עברית ישנה של Windows, כל אות היא מספר אחד.

אם תוכנה פותחת את הקובץ עם הטבלה של שפות מערב אירופה, היא מתרגמת את המספרים לאותיות לטיניות. מ-UTF-8 יוצאות שתי אותיות זרות על כל אות עברית, ומשם שלו×. מהטבלה הישנה יוצאת אות זרה אחת על כל אות, ומשם ùìåí.

זה קורה בעיקר בקבצי טקסט, בקבצי CSV שנפתחים באקסל, בכתוביות ובמיילים ישנים. ב-PDF זה פחות נפוץ.

מה מתקן: לפתוח את הקובץ המקורי מחדש ולבחור את הקידוד ידנית, בדרך כלל UTF-8, ואם זה לא עוזר, עברית של Windows. הרבה תוכנות שואלות על הקידוד בחלון הפתיחה או הייבוא. אם הטקסט כבר נשמר מחדש ונהיה סימני שאלה, ????, האותיות אבדו, ורק הקובץ המקורי יעזור.

בעיה 3: גופן בלי "מילון"

PDF הוא בעיקר רשימה של הוראות ציור. כדי שאפשר יהיה להעתיק ממנו, הקובץ צריך לשמור גם איזו אות כל צורה מייצגת. החלק הזה נקרא ToUnicode, ואפשר לחשוב עליו כמילון קטן בתוך הקובץ. בקבצים מסוימים המילון חסר או שגוי. אז המסך מצייר את הצורות בלי בעיה, אבל בהעתקה התוכנה לא יודעת איזו אות זו, ומוציאה מה שיוצא.

מה מתקן: לקרוא את הדף כמו תמונה, כלומר זיהוי טקסט (OCR). הוא לא צריך את המילון, כי הוא מסתכל על מה שמוצג. אצלנו זה בסריקה לטקסט (OCR), ושם הכול קורה בתוך הדפדפן שלכם.

ואם הבעיה כבר על המסך?

אם גם בתוך ה-PDF רואים ריבועים, נקודות או גופן שנראה לא נכון, ייתכן שהגופן לא נשמר בתוך הקובץ, והמחשב שלכם לא מצא גופן עברי מתאים במקומו. נסו לפתוח את הקובץ בתוכנה אחרת או במכשיר אחר. אם זה לא עוזר, בקשו מהשולח לשמור אותו שוב, עם האפשרות לשמור את הגופנים בתוך הקובץ. במקרה הזה גם OCR לא יעזור, כי הוא יקרא בדיוק את מה שמוצג.