למה העברית יוצאת הפוכה כשמעתיקים מ-PDF (ואיך מתקנים)

העתקתם שורה מ-PDF, הדבקתם בוורד או בוואטסאפ, וקיבלתם הניפס במקום ספינה? אתם לא לבד, וזה גם לא באשמתכם. הנה מה שקורה מאחורי הקלעים, ואיך מקבלים טקסט ישר תוך דקה.

מה בעצם קורה? שני סדרים לאותן אותיות

למחשב יש שתי דרכים לשמור שורה בעברית. הראשונה היא סדר הקריאה, שנקרא גם "סדר לוגי": האות שקוראים ראשונה נשמרת ראשונה. כך עובדים וורד, וואטסאפ וכמעט כל אתר, והם כבר יודעים להציג את השורה מימין לשמאל.

השנייה היא הסדר החזותי: האותיות נשמרות לפי המקום שלהן על הדף, משמאל לימין, כמו מכונת כתיבה שתמיד מתקדמת ימינה. בעברית זה בדיוק הפוך מסדר הקריאה.

קובץ PDF הוא בעיקר רשימה של הוראות ציור: "צייר את הצורה הזו בנקודה הזו". הרבה קבצים נשמרים בסדר החזותי. כשמעתיקים, התוכנה מוסרת את האותיות לפי הסדר שבו צוירו. על המסך הכול נראה מושלם, ורק בהדבקה מגלים שהשורה רצה מהסוף להתחלה.

מספרים ומילים באנגלית מוסיפים עוד שכבה. הם נכתבים משמאל לימין גם בתוך משפט עברי, ולכן לפעמים המילים העבריות מתהפכות והמספר נשאר תקין, ולפעמים גם הוא מתהפך.

שלוש דוגמאות: לפני ואחרי

ולפעמים זה בכלל לא היפוך: גופן בלי "מילון"

אם במקום אותיות הפוכות קיבלתם ריבועים, סימנים מוזרים או אותיות לטיניות אקראיות, הבעיה אחרת. כדי שאפשר יהיה להעתיק מ-PDF, הקובץ צריך לשמור לכל צורה שצוירה גם איזו אות היא. החלק הזה נקרא ToUnicode, ואפשר לחשוב עליו כמילון קטן בתוך הקובץ.

יש קבצים, למשל כאלה שנוצרו עם גופנים מיוחדים או בתוכנות ישנות, שאין בהם מילון כזה, או שהמילון בהם שגוי. אז המחשב רואה צורות ולא אותיות, ושום היפוך לא יעזור. הפתרון הוא לקרוא את הדף כמו תמונה, עם זיהוי טקסט (OCR).

למה אותו קובץ יוצא שונה בכל תוכנה?

כל תוכנה שמציגה PDF מחליטה בעצמה באיזה סדר למסור את האותיות כשמעתיקים. יש שמנסות לנחש את סדר הקריאה, ויש שמוסרות את הסדר כמו שהוא בקובץ. לכן אותו קובץ יכול לצאת ישר מתוכנה אחת והפוך מאחרת.

זו בעיה ותיקה ומוכרת. יש עליה דיווחים, למשל ב-Okular וב-LibreOffice, ובערבית תועד שהעתקה מתצוגת PDF בתוך הדפדפן הופכת את סדר האותיות.

איך מתקנים, צעד אחר צעד

יש לכם טקסט שכבר הדבקתם

1. פתחו את תיקון טקסט עברי הפוך.
2. הדביקו את הטקסט בתיבה "לפני".
3. לחצו "תיקון". הטקסט הישר יופיע בתיבה "אחרי".
4. שורה נשארה הפוכה? סמנו "להפוך גם שורות שנראות תקינות". גם המספרים הפוכים? בחרו "הכל הפוך, גם מספרים".
5. לחצו "העתקה" והדביקו איפה שצריך.

הכלי בודק כל שורה לבד, ושורה שכבר תקינה נשארת כמו שהיא.

יש לכם קובץ PDF שלם

1. פתחו את PDF לטקסט עברי ישר.
2. גררו את הקובץ לחלון, או לחצו ובחרו אותו.
3. העתיקו את הטקסט, או הורידו אותו כקובץ TXT או כקובץ Word.

רוצים לראות את ההבדל? סמנו "להשוות למה שכלים רגילים מוציאים". בשני הכלים הקובץ והטקסט לא עוזבים את הדפדפן שלכם.

יצאו סימנים מוזרים, או שהקובץ סרוק

השתמשו בסריקה לטקסט (OCR). הוא קורא את הדף כתמונה ומזהה עברית ואנגלית, גם זה בתוך המחשב שלכם.

חלופות טובות שכדאי להכיר

• Adobe Acrobat: אם אתם ממירים לוורד מתוך אקרובט, בחרו ידנית "עברית" בהגדרות השפה לפני הייצוא. זה הפתרון ש-Adobe עצמה הציעה בפורום שלה למשתמש שהעברית התהפכה לו בייצוא.
• Microsoft Word: אפשר לפתוח PDF ישירות מתוך וורד (קובץ, פתיחה), והוא הופך אותו למסמך שאפשר לערוך. לא מצאנו תיעוד על איך זה מתנהג עם עברית, אז שווה פשוט לנסות ולבדוק את התוצאה.
• תוכנת הצגה אחרת: אם ההעתקה מתוכנה אחת יצאה הפוכה, פתחו את אותו קובץ בתוכנה אחרת והעתיקו משם. לפעמים זה כל מה שצריך.

אין כלי אחד שמושלם לכל קובץ, גם לא שלנו. אם קובץ מסוים לא יוצא טוב אצלנו, אחת החלופות האלה עשויה להצליח.

רוצים להמיר קובץ שלם לוורד? יש לנו מדריך נפרד: איך ממירים PDF בעברית לוורד בלי שהטקסט יתהפך.