☰

获取天城文文本的正确可搜索文本

tag-icon • tag-icon pdf copy-paste indic accessibility accsupp
获取天城文文本的正确可搜索文本

考虑这个相当简单的文档，据我所知，这是排版天城文梵语文本的推荐方式：

\documentclass{article}

\usepackage{fontspec}
\usepackage{polyglossia}
\setmainlanguage{sanskrit}
\newfontfamily\devanagarifont[Script=Devanagari]{Chandas}

\begin{document}
किं  बहुना । परस्परं द्वैधम् उत्पन्नम् ।
\end{document}

当我排版此内容时，即使输出看起来不错，每次尝试从 PDF 复制文本都会产生错误的结果。我尝试了和xelatex，lualatex其中四种字体都可以在网上免费获得：钱达斯，Noto Sans Devanagari、Noto Serif Devanagari，阿迪希拉：

  • 正确文字：

    • 藝術本身成人护理 成人护理

  • xelatex：

    • 韓國比预期还早（钱达斯）
    • 藝術本身艾特里公园（Noto 无天城文）
    • 藝術本身成人护理 成人护理（诺托衬线天城文）
    • 藝術本身成人护理 成人护理（阿迪什拉）

  • lualatex：

    • 藝術本身परपरं द्वैधम् उपन्नम् । （钱达斯）
    • 藝術本身成人护理 成人护理（Noto Sans Devanagari — 此外，输出已损坏）
    • 藝術本身成人护理 成人护理（Noto Serif Devanagari — 此外，输出已损坏）
    • 藝術本身成人护理 成人护理（阿迪什拉）

所以这些都不正确，尽管对于某些组合来说，只有第一个音节有问题。（它是否是第一个音节并不重要；任何地方的किं 都有同样的问题。）

（补充：这是使用 TeX Live 2020，因此使用 LuaHBTeX……但与两种字体lualatex相比，输出不正确。）xelatex

有没有办法可以复制正确的文本？

我也尝试使用accsupp包来包装每个单词，比如\BeginAccSupp{ActualText=किं}किं\EndAccSupp{}等等，但结果却是完全乱码。

答案1

当我在 TeX Live 2020 上使用 LuaLaTeX 进行编译时，复制并粘贴时会出现此信息：

藝術本身成人护理 成人护理

从以下 MWE，如果您还想定义、等，它还可以为您节省一些\devanagarifontsf输入\devanagarifonttt。

\documentclass{article}
\tracinglostchars=2

\usepackage{iftex}
\usepackage{polyglossia}

\ifluahbtex
  \defaultfontfeatures{ Renderer=HarfBuzz, Ligatures=TeX }
\fi

\setmainlanguage{sanskrit}
%% Font available at:
%% https://www.google.com/get/noto/#serif-deva
\newfontfamily\devanagarifont[Script=Devanagari]{Noto Serif Devanagari}

\begin{document}
किं  बहुना । परस्परं द्वैधम् उत्पन्नम् ।
\end{document}

但是，这仍然无法正确地从 XeLaTeX 复制粘贴。

我通常使用babel，它可以自动检测我输入的语言，但解决方案非常相似。

正如 Marcel Kruger 在评论中所说，现代 LuaLaTeX 支持 HarfBuzz 渲染，但您需要选择它。

相关内容