PDF மொழிபெயர்ப்பு பணியை ஒப்படைப்பதற்கு முன், எழுத்துருவை மாற்ற அவசரப்படுவதற்குப் பதிலாக முதலில் எழுத்துருவைச் சரிபார்க்கவும்.

இந்த கட்டுரையின் முக்கிய குறிப்புகள்

இயல்புநிலை எழுத்துருப் பட்டியலின் நீளம் full=True எனத் திரும்பிய tupleலிருந்து வேறுபட்டது, மேலும் படிக்கும் போது முதல் ஆறு உருப்படிகளை எடுக்க வேண்டும்.
மொழிபெயர்ப்பதற்கு முன் எழுத்துருக்களின் பட்டியலை நீங்கள் எடுக்க வேண்டும். அவற்றை நேரடியாக சியுவான் ஹெய்போ அல்லது ஏரியல் மூலம் உலகளவில் மாற்றுவது நல்லதல்ல.
Base14 எழுத்துரு குறிப்பு என்பது எழுத்துரு நிரல் உட்பொதிக்கப்பட்டுள்ளது என்று அர்த்தமல்ல. பிரித்தெடுக்கப்பட்ட பைட்டுகள் காலியாக உள்ளதா என்பதையும் சரிபார்க்க வேண்டியது அவசியம்.
துணை எழுத்துருக்கள் முழுவதுமாக பிழைகள் என மதிப்பிடக்கூடாது. எழுத்துரு அடையாளம் தக்கவைக்கப்பட வேண்டும் மற்றும் சேதமடைந்ததாக நேரடியாக மதிப்பிடக்கூடாது.
ஸ்கிரிப்ட் உட்பொதித்தல் நிலையை மட்டுமே தெரிவிக்க முடியும், மேலும் இலக்கு மொழி கிளிஃப்கள் மற்றும் உரிமங்களில் உள்ள சிக்கல்களை கைமுறையாக தீர்மானிக்க வேண்டும்.

பலர் ஒரு PDF ஐ மொழிபெயர்க்கப் பெறும்போது, அவர்கள் முதலில் நினைப்பது அதை நேரடியாக சியுவான் ஹெங்டி அல்லது ஏரியல் என்று மாற்றுவதாகும். இது டெலிவரியின் போது அடிக்கடி சிக்கல்களை ஏற்படுத்துகிறது: கணிதக் குறியீடுகள் சதுரங்களாக மாறும், அட்டவணை எண்கள் தவறாக அமைக்கப்பட்டிருக்கும் அல்லது குறிப்பிட்ட வாசகர்களில் மொழிபெயர்ப்பைத் திறக்க முடியாது. PDF மொழிபெயர்ப்பின் பணியை மேற்கொள்ள வேண்டிய டெவலப்பர்கள் மற்றும் ஆவண மேலாளர்களுக்காக இந்தக் கட்டுரை எழுதப்பட்டுள்ளது. படித்த பிறகு, சரக்கு எழுத்துருக்களுக்கு PyMuPDF ஐ எவ்வாறு பயன்படுத்துவது, திரும்பிய முடிவுகளை எவ்வாறு விளக்குவது மற்றும் குறியீடு வெளியீட்டின் அடிப்படையில் மட்டும் எந்த முடிவுகளை எடுக்க முடியாது என்பதை நீங்கள் அறிவீர்கள்.

எழுத்துருப் பட்டியலின் நோக்கம், தொழில்நுட்பத் திருத்தம் மற்றும் ரெண்டரிங் ஸ்திரத்தன்மையை உறுதிப்படுத்துவது, சட்டப்பூர்வ இணக்கத் தணிக்கையை நடத்துவது அல்ல. இயல்புநிலை எழுத்துரு பட்டியல் full=True வழங்கும் டூப்பிள் நீளத்திலிருந்து வேறுபட்டது. படிக்கும் போது, முதல் ஆறு உருப்படிகளை எடுக்க வேண்டும், பின்னர் extract_font மூலம் திரும்பிய எழுத்துரு பைட்டுகள் காலியாக உள்ளதா என சரிபார்க்கவும். Base14 எழுத்துருக் குறிப்புகள், எழுத்துரு நிரல்-உட்பொதிக்கப்பட்டது என்று அர்த்தமல்ல, மேலும் துணை அமைப்பு எழுத்துருக்கள் எப்போதும் பிழையாகக் கருதப்படக்கூடாது.

ஒரு வாக்கியத்தின் முடிவு

முதலில் எழுத்துருக்களைக் கண்டுபிடித்து, பின்னர் மொழிபெயர்ப்புப் பாதையைத் தீர்மானிக்கவும். உரையை பிரித்தெடுக்கும் முன் உலகளவில் எழுத்துருக்களை மாற்ற வேண்டாம்.

உங்கள் நிலைமை	பரிந்துரைக்கப்பட்ட நடைமுறைகள்	காரணம்
எழுத்துரு நிரல் காலியாக உள்ளது	பதிவுகள் உட்பொதிப்பிலிருந்து பிரித்தெடுக்கப்படவில்லை மற்றும் பக்க நிலைமையை உறுதிப்படுத்தவும்	Base14 குறிப்பு உட்பொதிக்கப்பட்ட எழுத்துரு சமமாக இல்லை
துணைக்குழு எழுத்துருக்களை சந்திக்கவும்	எழுத்துரு அடையாளத்தை வைத்திருங்கள்	துணை எழுத்துருக்கள் ஊழலுக்கு சமமாக இல்லை
எழுத்துரு பட்டியல் காலியாக உள்ளது	பக்க உள்ளடக்கத்தை உறுதிப்படுத்தவும்	பக்கம் ஒரு படம் அல்லது வேறு வரையப்பட்ட பாதையாக இருக்கலாம்
உண்மையான கோப்புகளை செயலாக்க வேண்டும்	முதலில் உணர்ச்சியற்ற மாதிரிகளைச் சரிபார்க்கவும்	மாதிரி குறியீடு அனைத்து உண்மையான கோப்புகளிலும் விளைவுகளை பிரதிநிதித்துவப்படுத்தாது

ஏன் உலகளவில் எழுத்துருக்களை நேரடியாக மாற்ற முடியாது?

எழுத்துருக்களை நேரடியாக மாற்றுவது பல பொதுவான சிக்கல்களை சந்திக்கும்:

அசல் உரையில் உள்ள கணிதக் குறியீடுகள் சதுரங்களாக மாறும்.
அட்டவணையில் உள்ள எண்களின் சம அகல சீரமைப்பு தவறானது.
கட்டுப்படுத்தப்பட்ட எழுத்துருக்கள் உட்பொதிக்கப்பட்டுள்ளன, இதனால் சில வாசகர்களில் மொழிபெயர்ப்பு திறக்கப்படாது.

எனவே, டெக்ஸ்ட் பிரித்தெடுத்தல் அல்லது டைப் செட்டிங் புனரமைப்பைத் தொடங்குவதற்கு முன், ஆவணத்தின் எழுத்துருப் பட்டியலைச் செய்யுங்கள். `get_page_fonts()` என்பது PyMuPDF ஆல் வழங்கப்பட்ட அடிப்படை ஆய்வு ஆகும், இது ஒவ்வொரு பக்கத்திலும் எந்த எழுத்துரு ஆதாரங்கள் உண்மையில் குறிப்பிடப்படுகின்றன, அவை முழுமையாக உட்பொதிக்கப்பட்டதா மற்றும் குறியாக்க வகை ஆகியவற்றைக் கூறலாம். எதிர்காலத்தில் OCR, நேரடி மாற்றீடு அல்லது கைமுறை மறுசீரமைப்பு பயன்படுத்தப்பட வேண்டுமா என்பதை இந்தத் தகவல் தீர்மானிக்கிறது.

எழுத்துரு தகவல்களைப் படிப்பதில் முக்கிய புள்ளிகள்

இயல்புநிலை எழுத்துருப் பட்டியல் full=True ஆல் திருப்பியளிக்கப்பட்ட டூப்ளை விட வேறுபட்ட நீளத்தைக் கொண்டுள்ளது, இது முதல் ஆறு உருப்படிகளாகப் படிக்கப்படுகிறது.
எழுத்துரு நிரல் காலியாக இருக்கும்போது, உட்பொதிக்கப்பட்ட எழுத்துரு பைட்டுகள் பிரித்தெடுக்கப்படவில்லை என்று அர்த்தம்.
துணைத்தொகுப்பு எழுத்துருக்கள் எழுத்துரு அடையாளங்காட்டியைத் தக்கவைத்துக்கொள்ள வேண்டும், மேலும் அதை பிழை என்று நேரடியாக மதிப்பிட வேண்டாம்.

செயற்கை சோதனை: நினைவக கட்டுமானம் மற்றும் உறுதிப்படுத்தல் சரிபார்ப்பு

எடுத்துக்காட்டை தனித்தனியாக இயக்க அனுமதிக்க, நாங்கள் ஒரு முழு சுய-கட்டுமான சோதனை பெட்டியை உருவாக்கினோம். வெளிப்புற கோப்புகளை நம்புவதற்குப் பதிலாக, ஸ்கிரிப்ட் PyMuPDF ஐப் பயன்படுத்தி நினைவகத்தில் நிலையான எழுத்துருக்களைக் கொண்ட PDF ஐ உருவாக்குகிறது, பின்னர் உடனடியாக அதில் எழுத்துரு இருப்பை செய்கிறது. இது மறுஉருவாக்கத்தை உறுதி செய்வது மட்டுமல்லாமல், பதிப்புரிமை மற்றும் தனியுரிமை அபாயங்களையும் தவிர்க்கிறது.

import pymupdf
with pymupdf.open() as doc:
    page = doc.new_page()
    page.insert_text((72, 72), "Font sample", fontname="helv")
    fonts = doc.get_page_fonts(0, full=True)
    assert fonts
    report = []
    for item in fonts:
        xref, ext, kind, basefont, name, encoding = item[:6]
        extracted_name, extracted_ext, extracted_type, data = doc.extract_font(xref)
        report.append({"name": basefont, "font_program_present": bool(data),
                       "xref": xref, "encoding": encoding})
    assert report[0]["name"] == "Helvetica"
    assert report[0]["font_program_present"] is False
    assert report[0]["xref"] > 0

இந்தச் சோதனை தெளிவான எல்லைகளைக் கொண்டுள்ளது: வெளிப்புற எழுத்துருக் கோப்பைக் கொண்டு வராமல் "கெட்ட" அல்லது "உட்பொதிக்கப்படாத" செயற்கை எழுத்துரு பொருளை நினைவகத்தில் உருவாக்க முடியாது. எனவே, இந்த சோதனை இரண்டு விஷயங்களில் கவனம் செலுத்துகிறது: சாதாரண உட்பொதிக்கப்பட்ட எழுத்துருக்களின் பாகுபடுத்தும் துல்லியத்தை சரிபார்த்தல் மற்றும் தவறான பக்க எண்களை செயல்பாட்டின் தற்காப்பு கையாளுதல். விதிவிலக்கு கிளைகள் தனித்தனியாக சோதிக்கப்பட வேண்டும். டெமோ குறியீடு தனிமைப்படுத்தப்பட்ட சூழலில் இயங்குகிறது, ஆனால் இது அனைத்து உண்மையான கோப்புகள் அல்லது தயாரிப்பு செயல்திறனுக்கு உத்தரவாதம் அளிக்காது.

ஏற்றுக்கொள்ளும் அளவுகோல்கள் மற்றும் கைமுறை மதிப்பாய்வு எல்லைகள்

குறியீட்டிலிருந்து "பாதுகாப்பான" அல்லது "எச்சரிக்கை" வெளியீடு தொழில்நுட்ப சிக்னல்கள் மட்டுமே மற்றும் நேரடியாக மொழிபெயர்ப்பின் சாத்தியக்கூறுக்கு சமன் செய்ய முடியாது. ஸ்கிரிப்ட் உட்பொதிவு நிலையைத் துல்லியமாகப் புகாரளிக்க முடியும், ஆனால் எழுத்துரு இலக்கு மொழியில் தொடர்புடைய கிளிஃப் உள்ளதா என்பதைக் கூற முடியாது அல்லது உட்பொதிப்பை மாற்ற உரிமம் அனுமதிக்கிறதா என்பதை மதிப்பீடு செய்ய முடியாது. இந்த முடிவுகள் திட்டத்தின் சூழலில் மக்களால் எடுக்கப்பட வேண்டும்.

குறிப்பிட்ட விதிவிலக்கு கையாளுதல் முடிவுகள்

கவனிக்க	என்ன செய்வது	அனுமானிக்கக் கூடாது
எழுத்துரு நிரல் காலியாக உள்ளது	உட்பொதிக்கப்பட்ட நிரலில் பிரித்தெடுக்கப்படாத பதிவுகள்	Base14 குறிப்புகள் உட்பொதிப்புகளைப் போன்றவை அல்ல
ஜிஜி எழுத்துரு	எழுத்துரு அடையாளங்களைத் தக்கவைத்துக் கொள்ளுங்கள்	சேதம் நேரடியாக தீர்மானிக்கப்படுவதில்லை
பட்டியல் காலியாக உள்ளது	பக்க உள்ளடக்கங்களை சரிபார்க்கவும்	இது ஒரு படமாகவோ அல்லது மற்றொரு வரைதல் பாதையாகவோ இருக்கலாம்

முக்கியமான ஆவணங்களைக் கையாளுவதற்கு முன், அசல்களை வைத்திருந்து, மேலே உள்ள எல்லைகள் மற்றும் ஏற்றுக்கொள்ளும் உருப்படிகளின்படி அவற்றை மதிப்பாய்வு செய்யவும்.

🎯 எந்த முறை உங்களுக்கு பொருத்தமானது?

நீங்கள் மொழிபெயர்க்க ஒரு PDF ஐப் பெற்றால்

முதலில் எழுத்துருக்களை எடுத்துக் கொள்ளுங்கள், பின்னர் எந்த பாதையில் செல்ல வேண்டும் என்பதை முடிவு செய்யுங்கள்; அவற்றை மாற்ற அவசரப்பட வேண்டாம்.

கண்டறிதல் முடிவு எழுத்துரு நிரல் காலியாக இருப்பதைக் காட்டினால்

இதை பதிவு செய்து பக்க உள்ளடக்கத்தை உறுதிப்படுத்தவும்; உட்பொதி முழுமையடைந்துவிட்டது என்று கருத வேண்டாம்.

ஆவணத்தில் துணைக்குழு எழுத்துருக்கள் இருந்தால்

எழுத்துரு அடையாளங்களை வைத்திருங்கள் மற்றும் அவற்றை பிழைகளாக நேரடியாக மதிப்பிடுவதை விட அவற்றை சாதாரணமாக நடத்துங்கள்.

உண்மையான ஆவணங்களுடன் சரிபார்ப்பு தேவைப்பட்டால்

உங்கள் அனுமதியுடன் நீங்கள் பதிவேற்றிய உணர்திறன் மாதிரியைப் பயன்படுத்தவும், இந்த கட்டுரையில் உள்ள சரிபார்ப்பு பட்டியல் உருப்படிகளுடன் முடிவுகளை சரிபார்க்கவும்.

❓ அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

1. Base14 எழுத்துரு குறிப்பு எழுத்துரு ஏற்கனவே உட்பொதிக்கப்பட்டுள்ளது என்று அர்த்தமா?

இல்லை. Base14 எழுத்துரு குறிப்புகள் எழுத்துரு நிரல் உட்பொதிக்கப்பட்டுள்ளது என்று அர்த்தமல்ல; extract_font ஆல் திருப்பி அனுப்பப்பட்ட எழுத்துரு பைட்டுகள் காலியாக உள்ளதா என்பதை நீங்கள் சரிபார்க்க வேண்டும்.

2. துணைக்குழு எழுத்துருவில் நிச்சயமாக சிக்கல் உள்ளதா?

அவசியமில்லை. துணைக்குழு எழுத்துருக்கள் ஒரே மாதிரியாக பிழைகளாகக் குறிக்கப்படக்கூடாது; எழுத்துரு அடையாளங்காட்டிகளை வைத்திருங்கள், அவற்றை சேதமடைந்ததாக நேரடியாக தீர்மானிக்க வேண்டாம்.

3. எழுத்துரு பட்டியல் காலியாக இருந்தால், பக்கத்தில் சிக்கல் உள்ளது என்று அர்த்தமா?

அவசியமில்லை. பட்டியல் காலியாக இருக்கும்போது, முதலில் பக்க உள்ளடக்கத்தை சரிபார்க்கவும்; பக்கம் ஒரு படமாகவோ அல்லது மற்றொரு வரைதல் பாதையாகவோ இருக்கலாம்.

4. ஒரு ஸ்கிரிப்டின் "பாதுகாப்பான" முடிவை மொழிபெயர்ப்பு முடிவுகளுக்கு நேரடியாக பயன்படுத்த முடியுமா?

இல்லை. குறியீடு வெளியீடு ஒரு தொழில்நுட்ப சமிக்ஞை மட்டுமே மற்றும் இலக்கு மொழி கிளிஃப்கள் பயன்படுத்தக்கூடியதா என்பதை தீர்மானிக்க முடியாது, அல்லது உரிமம் உட்பொதிப்புகளை மாற்றியமைக்க அனுமதிக்கிறதா என்பதை மதிப்பிட முடியாது.

📝 சுருக்கம்

எழுத்துரு சரக்கு என்பது PDF மொழிபெயர்ப்புக்கு முந்தைய ஒரு அடிப்படை படியாகும்; இது ஆவணத்தின் திருத்தம் மற்றும் ரெண்டரிங் நிலைத்தன்மையை மதிப்பிட உதவுகிறது. கோப்பைப் பெற்ற பிறகு, முதலில் எழுத்துருவைச் சரிபார்த்து, பின்னர் பாதையைத் தேர்ந்தெடுத்து, மொழிபெயர்ப்புக்குப் பிறகு, தலைப்புகள், உடல் உரை மற்றும் தலைப்புகளுக்கு இடையிலான கடிதத்தை சரிபார்க்கவும்.

இப்போது அனுபவம்: மொழிபெயர்க்கத் தொடங்க உங்கள் ஆவணத்தைப் பதிவேற்றவும், அசல் வடிவமைப்பைப் பாதுகாக்கவும்