Por que um documento em PDF não pode ser pesquisável? [fechado

Question

Eu tenho um documento em PDF com conteúdo no idioma árabe e, quando tento pesquisar dentro do documento por uma palavra específica, o Adobe Reader não retorna resultados.

Parece um problema de formato ... como posso consertar isso? obrigado.

Answer 1

Existem pelo menos quatro maneiras diferentes de colocar texto em um documento em PDF (em ordem ou probabilidade):

1. Coloque o texto com operadores de texto padrão e fontes padrão
2. Coloque o texto com operadores de texto padrão com fontes não padrão
3. Desenhe uma ou mais imagens que representam o texto
4. Coloque o texto desenhando manualmente os glifos com vários comandos gráficos em PDF

O caso 1 é normalmente pesquisável. O caso 2 é pesquisável se a fonte e a codificação forem sãs - se não forem (e esse provavelmente é o caso de fontes que não são de latina), provavelmente não há uma maneira confiável de mapear os glifos codificados de volta ao Unicode (e a propósito - PDF é bastante unicode hostil). O caso 3 é totalmente insondável sem saber mais sobre como o PDF foi gerado. O caso 4 é totalmente insondável.

Dito isto, todos os casos são lidos com um mecanismo de OCR que entende o árabe. Eu entendo que o Motor de íris faz árabe.

Answer 2

Na verdade, pode não ser texto, ou pode estar em um contêiner que o leitor não presta atenção. É especialmente comum expandir objetos de texto em formas vetoriais quando você está lidando com fontes que a maioria das pessoas não terá instalado em seu sistema. Parece o mesmo na tela, mas não é pesquisável.