如何将波斯语 PDF 文件转换为 Microsoft Word 格式？

Question

我有一个波斯语脚本的 pdf 文件，它是右到左。由于波斯语使用 UTF-8 格式，因此我无法在 Microsoft Word 中将其转换为纯文本，也无法复制粘贴文本，导致无法读取字符。我尝试了很多软件，例如统一PDF和 e-Pdf Converter，但是转换后字符仍然无法正确显示。我甚至尝试了 OCR，但问题再次出现。pdf 没有任何密码或限制。

有人还有其他想法吗？

编辑：我实际上尝试在 MS Word 中创建一个文件并将其转换为 PDF，之后我再次遇到了与 PDF 文件相同的问题。（即使编码是已知的）

Answer 1

我在将 pdf 文件转换为 word 时遇到了同样的问题。在 Word 中复制/粘贴后，格式发生了变化并造成了麻烦。我尝试了几个在线转换器，但它们都失败了。
唯一有效的方法如下：

1. 使用 Adob​​e Acrobat Reader 打开 pdf 文件，然后从文件菜单中选择打印。从打印机名称中选择 adobe acrobat。是的，您即将从 pdf 创建 pdf！
2. 使用 Google Chrome 打开新的 pdf 文件（将文件拖放到 Chrome 上）。
3. 现在只需选择所有文本（ctrl + A）并将其复制/粘贴到空白 Word 文件中。

Answer 2

很多时候，非拉丁文脚本（尤其是阿拉伯文、希伯来文和波斯文等 RTL 脚本）的 PDF 文件是由软件生成的，这些软件会在单词或句子片段级别对文本进行 LTR 化，或者只是以某种方式显示正确的字形，但“逻辑”文本却乱七八糟。在这些情况下，除了编写自定义反向转换器（实际上不是一种选择）外，几乎无能为力。

但是，如果您可以弄清楚文件是如何创建的（这通常在可使用常见 PDF 阅读器访问的元数据中指示），那么可能会有选择在生成该文件的应用程序中打开该文件，或者至少您可以使您的问题更具体。

Answer 3

我目前正在努力将 PDF 转换为可编辑的波斯语文本。我发现的最佳解决方案是使用 Google Doc，如下所示。

1. 您应该将 pdf 页面转换为图像。为此，您可以使用 Adob​​e acrobat reader（不是免费的 adobe reader）或者在 Linux 中我使用 GIMP 打开 pdf，然后选择在单独的图像中打开每个页面。这是您自己的选择。
2. 将图像文件上传至 Google Drive
3. 转到 Google Drive 并右键单击每张图片，然后单击open with google doc
4. 等到 Google Doc 从图片中打开可编辑文本
5. 复制到word中

我不知道是否有任何自动化方法。我希望有时间可以开发一个应用程序来自动完成此操作。

Answer 4

我知道现在回答已经太晚了，但对于有同样问题的人，我可以建议Delix.ir这是一个波斯语 OCR 和 PDF 到文字的转换器。

免责声明：我是 delix.ir 的创始人，我希望它不会被视为广告。