Texto de derecha a izquierda en un PDF
El texto de derecha a izquierda es una escritura cuyas líneas empiezan en el borde derecho y continúan hacia la izquierda, como el árabe, el hebreo, el persa y el urdu. Un PDF no guarda una frase como lo hace un procesador de texto. Guarda glifos colocados, de modo que el archivo registra dónde está cada forma en la página y no el orden en que lo lee una persona. Cuando una línea mezcla escrituras, por ejemplo una frase árabe con un número o un nombre de producto latino, el orden de los glifos en la página y el orden de lectura del texto dejan de coincidir.
Dónde aparecen los problemas
Al copiar una línea de un PDF, las palabras pueden pegarse al revés, las letras que deben unirse pueden separarse y un número puede partirse en la línea. La búsqueda puede fallar por la misma razón, porque el orden almacenado difiere del que usted escribe. Las páginas escaneadas añaden otra capa: el reconocimiento de caracteres debe saber qué idioma esperar, ya que un modelo entrenado con texto latino de izquierda a derecha acertará poco con letras árabes unidas.
Cómo obtener texto fiable
Empiece con una fuente limpia. Un PDF creado desde un procesador de texto con la fuente incrustada conserva su capa de texto y la extracción suele funcionar. Para un escaneo, ejecute el reconocimiento con el idioma correcto y compare unas líneas con la página, prestando atención a los dígitos y la puntuación, que a menudo quedan mal colocados. Si el idioma de un documento no está claro, detéctelo antes.
Usar AuraDoc para esto
La herramienta OCR de AuraDoc añade una capa de texto a las páginas escaneadas, la herramienta de extracción de texto devuelve las palabras de un PDF como texto plano y la herramienta de detección de idioma indica en qué idioma está escrito un documento. Cada una da un resultado nuevo y no toca el original.
Herramientas que usan este término
Guías que lo ponen en práctica
- Comprobar el idioma de un documentoPaso a paso: detecta el idioma de un PDF, mira la proporción de cada idioma en un documento mixto y prepara un escaneo para la detección.
- Extraer el texto de un PDFPaso a paso: lee la capa de texto de un PDF, ejecuta el reconocimiento de texto en un escaneo y convierte el resultado en un archivo Word editable.
- Hacer buscable un PDF escaneadoPaso a paso: endereza las páginas del escaneo, aplica OCR para buscar y copiar el texto y luego reduce el archivo para guardarlo o compartirlo.
Preguntas frecuentes
- ¿Por qué el texto árabe copiado aparece invertido?
- El PDF guarda los glifos por posición y algunos programas los leen en ese orden visual en lugar del orden lógico. Otro visor o una herramienta de extracción suele dar mejor resultado.
- ¿Funciona el OCR con escrituras de derecha a izquierda?
- Sí, cuando se elige el idioma correcto y el escaneo es nítido. Revise después los números y la puntuación, que son los puntos débiles habituales.
- ¿Puede un PDF mezclar texto de izquierda a derecha y de derecha a izquierda?
- Sí. Los contratos y formularios bilingües lo hacen constantemente, y el programa que creó el archivo organiza cada línea.