Total Commander

Не работает поиск в некоторых pdf файлах. Помогите, пожалуйста, определить кодировку текстового слоя в файле (после распаковки):
http://www.hij.ru/EV/01_2008.zip

Ощущение, что заголовки и текст в разных кодировках - заголовки в UTF-8, а текст хрен знает в чём...

Насколько я понял, универсального средства вытащить текст из пдф не существует. Помнится, в своё время фирма Promt пыталась решить задачу, применяя средство распознавания текста от Readiris, кажется, неудачно, возможно и незаконно.

На данном PDF может стоять защита, причём, заголовки статей не защищены от копирования, а сами статьи защищены...

Adobe Reader 8 показывает, что защиты нет. Этот файл приведён для примера, у меня их много.

Может исходный текст сделан криво - обратитесь к его авторам и спросите, почему текстовый слой выглядит так странно - сошлитесь на невозможность правильно скопировать кусок текста для цитирования...

Спасибо за совет, переписку я веду, проблема в том, что эти файлы скачаны с неофициальной странички официального сайта, а подписка на них стоит 180 р. за 6 номеров.

На мой запрос:
"Посоветуйте, пожалуйста, по какому адресу можно обратиться к специалисту
для ответа на вопрос: в каких кодировках сделан текстовый слой в pdf файлах
журналов за последние годы? Это важно не только для поиска, но и для
цитирования."
получен ответ из которого я мало что понял:
"Честно говоря, вопрос совершенно непонятен. Кодировка одна - Виндовс кир,
используется по умолчанию, никаких хитростей мы не прилагали. Шрифты были
разные - раньше гельветика, теперь - прагматика. Под хп гельветики,
насколько я знаю, нету. Возможно, именно с этим связаны проблемы, поскольку
в 2004 году мы еще верстали гельветикой.

Тестовый слой в пдф делается автоматически, как задано по умолчанию, так и
делается. Не исключено, что он делается третьи акробатом и адоб что-нибудь в
седьмом уж сильно поменял и то, что было по умолчанию раньше, теперь не
работает. Не знаю.

Вообще-то, это все, что я могу Вам сказать.

Сергей Комаров

журнал "Химия и жизнь""

Шрифт, ИМХО, на кодировку текстового слоя не влияет...
Скачайте у них легально хоть один файл с теми же проблемами и официально потребуйте привести в чувство текстовый слой...
Только тогда, ИМХО, получите внятный ответ (и то не гарантия).

А я с этого начал, скачал 6 номеров со страницы
http://www.hij.ru/elektrversia.shtml
и спросил, почему в них не работает поиск средствами Adobe Reader 8.
Мне сначала ответили:
"А поиск в pdf-номерах и не должен работать - на это есть архив с 1 номера 65 года, в котором все работает."
Но в тех номерах плагин работает нормально, т. е. Ваш критерий "с теми же проблемами" здесь не проходит.
Похоже, виноват Adobe.

antabu
Я смотрю не Адобом, а FoxIt Reader и тоже не могу понять значительную часть текстового слоя...

У меня стоят оба, и среди проблемных файлов есть такие, где плагин и Адоб находят, а Фоксит нет, есть такие, где находит только плагин, а в 01_2008 никто не находит - придётся пробовать Readiris.

antabu писал(а):Не работает поиск в некоторых pdf файлах. Помогите, пожалуйста, определить кодировку текстового слоя в файле (после распаковки):
http://www.hij.ru/EV/01_2008.zip

Модератор «1998» форума «Дизайн и Полиграфия» создал перекодировщик для этих файлов: http://rapidshare.de/files/40811224/pdf-recode.rar.html
После перекодировки Foxit Reader в режиме просмотра текста отображает текст правильно. А pdftotext извлекает его неправильно, ес-но плагин не найдёт искомый текст. Помогите настроить плагин для перекодированных файлов.

может, pdftotext извлекает его в какой-то кодировке? Тогда применить команду {CP:xxx} плагина ..
Или вообще битый текст, тогда никак.

надо смотреть настройки pdftotext.

Alextp
Боюсь, что там в одном и том же файле в текстовом слое текст в нескольких кодировках сразу

antabu
А как этот перекодировщик работает не пойму - есть небольшая инструкция?