Mapeamento de texto em PDF

A Silktide verifica se o texto de um PDF pode ser recuperado como texto. Uma página de PDF não armazena letras; ela armazena instruções para desenhar formas, e um mapeamento separado dentro do arquivo registra qual caractere cada forma representa. Quando esse mapeamento está ausente, as palavras ficam visíveis, mas não podem ser lidas por softwares.

Essas formas são , e o mapeamento conecta cada um ao seu caractere . Sem ele, o texto não pode ser lido em voz alta, pesquisado ou copiado, por mais nítido que pareça na tela.

Por que isso é importante

Essa falha é especialmente enganosa, porque a página parece perfeita. O texto é nítido, pode ser selecionado, é impresso com perfeição, e nada ao abrir o documento sugere que há um problema. Então alguém copia um parágrafo e cola um texto ilegível, ou um lê uma página de sílabas sem sentido, ou não anuncia nada.

Como isso é invisível para a pessoa que publica o documento, geralmente é descoberto pela pessoa que depende dele. Um leitor que ouve uma sequência de ruídos não consegue saber se o documento está corrompido ou se o problema está no software, e, de qualquer forma, o conteúdo desapareceu.

As consequências vão além da acessibilidade. Um texto que não pode ser extraído não pode ser indexado por um mecanismo de pesquisa, encontrado pela pesquisa do seu próprio site, traduzido nem citado por ninguém. É por isso que um documento bem elaborado às vezes não retorna resultados para uma frase que está claramente impressa nele.

Como corrigir

Exporte novamente a partir da fonte, com as fontes incorporadas corretamente, o que resolve quase todos esses casos. O mapeamento é escrito pelo processo de exportação, portanto exportar novamente com uma ferramenta atualizada geralmente é suficiente.
Evite imprimir em PDF. Os drivers de impressão são a causa mais comum, pois descrevem uma página como marcas a serem colocadas no papel e descartam o texto por trás delas. Use a própria opção de exportação do aplicativo ou "Salvar como PDF".
Observe as fontes de ícones e símbolos. Fontes decorativas e dingbats frequentemente não têm um caractere significativo por trás de cada forma. Quando um símbolo transmite significado, use um caractere real ou uma imagem descrita; quando for apenas decorativo, marque-o como um .
Reconstrua o mapeamento. A remediação da Silktide reconstrói os mapeamentos ausentes quando possível e fornece o texto falado correto para os trechos que não consegue mapear. Consulte Como funciona a remediação de PDF.
Reconheça o texto se a página for realmente uma imagem. Uma digitalização não contém texto para mapear; portanto, a correção é usar , e não fazer um reparo. Consulte Documentos digitalizados.

Como a Silktide testa isso

Encontra os documentos PDF vinculados ao seu site e analisa cada arquivo exclusivo uma única vez, independentemente de quantas páginas apontem para ele.
Lê as instruções de desenho de texto em cada página e acompanha cada glifo até o caractere que ele afirma representar.
Reporta o documento quando um glifo não tem um mapeamento válido para um caractere Unicode.
Reporta cada documento uma única vez, independentemente da quantidade de texto afetada.

O texto que desenha o marcador de caractere ausente de uma fonte é reportado por Fontes de PDF, pois, nesse caso, a causa é a fonte, e não o mapeamento.

Solução de problemas

Consigo selecionar e copiar o texto. Então, qual é o problema?

Selecionar texto e recuperá-lo são operações diferentes. O visualizador permite selecionar a região em que você clicou; o que vai para a área de transferência é o que o mapeamento diz que esses glifos significam. Cole o texto em um editor de texto simples e compare-o com a página — se ele voltar corrompido, você está vendo exatamente o que um leitor de tela recebe.

Apenas alguns caracteres são afetados

Isso é comum e ainda vale a pena corrigir, porque os caracteres afetados raramente são aleatórios. Geralmente trata-se de uma única fonte usada para uma finalidade específica, portanto o dano atinge todos os marcadores, todos os símbolos matemáticos ou todas as frações do documento.

O documento é um formulário

Os formulários frequentemente combinam fontes de várias origens, e rótulos de campos desenhados com uma fonte de símbolos são uma causa frequente. Verifique os rótulos e quaisquer caracteres personalizados de caixas de seleção ou botões de opção. Consulte Formulários interativos.