Mapeo de texto en PDF

Silktide comprueba que el texto de un PDF pueda recuperarse como texto. Una página PDF no almacena letras; almacena instrucciones para dibujar formas, y un mapeo aparte dentro del archivo registra qué carácter representa cada forma. Cuando falta ese mapeo, las palabras son visibles pero el software no puede leerlas.

Esas formas son , y el mapeo conecta cada una con su carácter . Sin él, el texto no puede leerse en voz alta, buscarse ni copiarse, por muy nítido que se vea en pantalla.

Por qué es importante

Este fallo es inusualmente engañoso, porque la página parece perfecta. El texto es nítido, es seleccionable, se imprime de forma impecable y nada al abrir el documento sugiere un problema. Luego alguien copia un párrafo y pega galimatías, o un lee una página de sílabas sin sentido, o no anuncia nada en absoluto.

Como es invisible para quien publica el documento, suele descubrirlo quien depende de él. Una persona que oye un torrente de ruido no puede saber si el documento está roto o si lo está su software y, en cualquier caso, el contenido se pierde.

Las consecuencias van más allá de la accesibilidad. El texto que no puede extraerse no puede ser indexado por un motor de búsqueda, no puede encontrarse con la búsqueda de su propio sitio, no puede traducirse y no puede ser citado por nadie. Por eso, a veces, un documento por lo demás bien hecho no devuelve resultados para una frase que está claramente impresa dentro de él.

Cómo solucionarlo

Reexporte desde el original con las fuentes tipográficas incrustadas correctamente, lo que resuelve casi todos estos casos. El mapeo lo escribe el proceso de exportación, por lo que exportar de nuevo con una herramienta actual suele ser suficiente.
Evite imprimir a PDF. Los controladores de impresión son la causa más común, porque imprimir describe una página como marcas que poner en papel y descarta el texto que hay detrás. Use en su lugar la exportación propia de la aplicación o "Guardar como PDF".
Esté atento a las fuentes de iconos y símbolos. Las fuentes decorativas y dingbat a menudo no tienen un carácter con sentido detrás de cada forma. Cuando un símbolo tiene significado, use un carácter real o una imagen descrita; cuando sea decoración, márquelo como un .
Haga reconstruir el mapeo. La remediación de Silktide reconstruye los mapeos que faltan cuando puede y proporciona texto hablado correcto a los fragmentos que no puede mapear. Consulte Cómo funciona la remediación de PDF.
Reconozca el texto si la página es en realidad una imagen. Un escaneo no tiene texto que mapear, así que la solución es y no la reparación. Consulte Documentos escaneados.

Cómo lo prueba Silktide

Encontrar los documentos PDF enlazados desde su sitio web y analizar cada archivo único una sola vez, por muchas páginas que lo enlacen.
Leer las instrucciones de dibujo de texto en cada página y seguir cada glifo hasta el carácter que afirma representar.
Informar del documento cuando un glifo no tenga una asignación válida a un carácter Unicode.
Informar de cada documento una sola vez, por mucho texto que esté afectado.

El texto que dibuja el marcador de carácter inexistente de una fuente se informa en Fuentes PDF en su lugar, porque allí la causa es la fuente y no el mapeo.

Solución de problemas

Puedo seleccionar y copiar el texto, ¿qué está mal?

Seleccionar texto y recuperarlo son operaciones distintas. El visor le permite seleccionar la región en la que ha hecho clic; lo que llega al portapapeles es lo que el mapeo dice que significan esos glifos. Péguelo en un editor de texto plano y compárelo con la página: si vuelve con caracteres sin sentido, está viendo exactamente lo que recibe un lector de pantalla.

Solo se ven afectados unos pocos caracteres

Eso es común y sigue mereciendo la pena corregirlo, porque los caracteres afectados rara vez son aleatorios. Suele tratarse de una fuente usada para un fin concreto, así que el daño recae en todas las viñetas, todos los símbolos matemáticos o todas las fracciones del documento.

El documento es un formulario

Los formularios suelen mezclar fuentes de varias procedencias, y las etiquetas de los campos dibujadas con una fuente de símbolos son una causa frecuente. Revise las etiquetas y cualquier carácter personalizado de casilla de verificación o de botón de opción. Consulte Formularios interactivos.