PDF单词识别增强 - Githubissues

cyberbug2077 commented 3 years ago

设备信息

在pdf模式下阅读英文文档，遇到单词识别不理想的情况。例如单词‘identification’在pdf中‘fi'为一个单独的符号，单词就变成了'identi?cation'。当然这并不是软件本身的问题，不过这种情况在pdf文档中挺常见的，能在识别环节解决这个问题，用起来就更方便了。

在pdf模式下增加一个菜单选项，将某个符号识别成指定的字符。

这种额外的符号使文档看起来更顺眼，所以没有替换掉。希望只在查单词的阶段换成正确的字符。

hqyyqh commented 3 years ago

fl → ﬂ，ff → ﬀ，ffi → ﬃ，ffl → ﬄ这些字符常出现在LaTeX生成的文档里面。

我测试了一下，发现沙拉查词内置的PDF阅读器似乎可以处理一些连字了。参考下图，只有ffi → ﬃ 没有识别出来

测试环境：

如果你用 chromium 内核浏览器的话（可以为扩展设置全局快捷键），可以考虑浏览器外划词，我在 quicker动作和pantherbar插件中都对这些连字进行了替换。

cyberbug2077 commented 3 years ago

你这个文档确实可以识别，但是这个里面的识别不了sicpjs.pdf。

hqyyqh commented 3 years ago

你这个文档确实可以识别，但是这个里面的识别不了 sicpjs.pdf。

我在Acrobat中复制出来都不行，变成了 0x1b（查了下是 Esc 的转义？？）。应该是文档本身不支持的问题了。

crimx commented 3 years ago

我再看看怎么兼容这类情况。