PDF -> Text

[oldfrog]

>
>
>>>Z vyse uvedeneho plyne, ze nejjistejsi je donutit kazdou aplikaci vytvarejici
>>>PDF, aby ke kazde definici fontu pridala i polozku ToUnicode. A pokud rozklada
>>>znak do vice znaku (akcent+zakladni znak), tak navic musi spolehat na to, ze
>>>pdftotext umi skladat znaky podle UNICODE, tj. ze umi poznat kombinaci
>>>akcent+znak a nahradit ji ve vystupnim kodovani akcentovanym znakem.
>>>
>>Lze to nejak realizovat v pdfTeXu?
>>
>>
>Popis problemu kolegy Vancury byl velmi presny.
>Pridavat polozku ToUnicode lze v pdftexu jiz cca dva roky,
>Thanh tam tehdy na mou zadost pridal primitiv, ktery umoznuje
>pridat prislusny CMAP (character mapping) k pouzitemu fontu.
>Tim se aplikace ctouci PDF (Reader, pdftotext/htdig) teprve dozvi
>jednoznacne ktere znaky (Unicode) odpovidaji sekvencim sazenych
>glyphu (na samotne nazvy glyphu se vetsinou nelze moc spolehnout).
>Nechce se nekomu ty cmap soubory pripadne dalsi podporu maker
>pro casto pouzivane sady fontu vytvorit a venovat do sirene
>distribuce (texlive)?
>
>>Bohuzel bych docela potreboval
>>prevadet pdf vytvorena
>>v pdfTeXu do cisteho textu - kvuli indexaci ve vyhledavacim stroji
>>htdig. A jak jsem rekl,
>>funguje to jen s Computer Modern fonty, coz mne dost omezuje...
>>
>>
>A funguji i ligatury?
>
Ptate se, jestli se zobrazuji jako ligatura nebo jestli je umi prevest
pdftotext?

OldFrog.