[cstex] Kopírování češtiny z PDF

[petr zemánek]

On 15 ún, 23:44, Petr Sojka <so... at fi.muni.cz> wrote:
> On Wed, Feb 15, 2012 at 12:56:20PM -0800, petr zemánek wrote:
>
> Dobrý den,> měl bych dotaz ohledně nastavení pro pdfLaTeX, aby bylo možné korektně
> > kopírovat text z PDF souboru. Používat toto nastavení
>
> > \usepackage[utf8]{inputenc}
> > \usepackage[T1]{fontenc}
> > \usepackage[czech]{babel}
> > \usepackage{mathptmx}
>
> > A když zkopíruji text "Plné jméno autora včetně titulů" (takto je i
> > zadán ve zdrojovém souboru; ale předpokládám, ze zadání pomocí \v{c}
> > apod., by ke změně nevedlo), tak dostanu toto
>
> > Plné jméno autora vˇcetnˇe titul°u
>
> > Je to možné docílit správného kopírování?
>
> Je to po porozumění mechanismu CMAP (Character mapping)
> v PDF možné docílit.
>
> Aby šlo text z PDF kopírovat, musí být informace
> o Unicode pozicích vysázených znaků z fontů v PDF
> použitých do PDF generující aplikací (pdftexem)
> vložena. To stále pro mnohé fonty není splněno.
> Některé virtuální fonty skládají znak z více glyfů
> fontu (jak v případě mathptmx uváděném výše), některé
> fonty zase mají pojmenování znaků takové, že
> nelze z názvu znaku pozici Unicode (tj. jednoznačnou
> identifikaci znaku) uhádnout, a dělat OCR je nespolehlivý
> kanón na vrabce.
>
> Autor resp. aplikace musí mapování znaků sdělit a do PDF
> uložit. O to se stará balík cmap, viz `texdoc cmap`.
> Ten zatím nepodporuje všechny druhy mapování,
> například selhává v případech když by měl mapovat
> víceglyfové znaky (ne vždy to může být žádoucí).
> Proto pro docílení funcionality je pragmatické
> použít osmibitové fonty v balíkem cmap podporovaných
> kódováních (T1 ap.).
>
> Pokud laskavý čtenář dočetl až sem, a chce si
> ověřit porozumění principu, nemusí ostránkovávat
> pro správné řešení otázky na konci tohoto emailu.
>
> Pěkný zbytek dne
> Petr Sojka
>
> \documentclass{minimal}
> \usepackage[utf8]{inputenc}
> \usepackage{cmap}     % <- zajistí vložení CMap
> \usepackage[T1]{fontenc}
> \usepackage[czech]{babel}
> %\usepackage{mathptmx}
> \usepackage{tgtermes} % osmibitový "Times"
> \begin{document}
> Plné jméno autora včetně titulů.
> \end{document}

Dobrý den,
děkuji za odpověď. Ještě bych měl jeden doplňující dotaz. Existuje
nějaký způsob, jak toho docílit i pro fonty typu mathptmx nebo je
nutné počkat, zda se to nevyřeší v nějaké aktualizaci cmap nebo
pdftexu?
PZ