Texto desordenado en PDFs con búsqueda para scripts no latinos

1. Coloca una fuente que cubra tu script

Encuentra una fuente que incluya glifos para tu script de destino, colócala en la máquina y anota su ruta completa. Para el ejemplo gujarati:

C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf

El nombre del archivo de fuente variable AnekGujarati contiene una coma, así que cópialo exactamente. La ruta debe apuntar al archivo de fuente exacto.

2. Pasa la fuente a SaveAsSearchablePdf

Al guardar el PDF con búsqueda, proporciona la ruta a tu fuente compatible con el script como el CustomFontFile (3er) argumento. El 4to argumento es una etiqueta CustomFontName opcional; si lo omites, IronOCR usará el propio nombre del archivo de fuente:

ocrResult.SaveAsSearchablePdf(
    strOutputFile,
    false,
    @"C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf",
    "AnekGujarati");

ocrResult.SaveAsSearchablePdf(
    strOutputFile,
    false,
    @"C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf",
    "AnekGujarati");

ocrResult.SaveAsSearchablePdf( _
    strOutputFile, _
    False, _
    "C:\Path\To\AnekGujarati-VariableFont_wdth,wght.ttf", _
    "AnekGujarati")

El argumento que corrige la extracción desordenada es el archivo de fuente (3er parámetro): debe contener glifos para el script que realizaste OCR. El 4to parámetro solo nombra la fuente incrustada y no afecta el mapeo del script. Para un documento diferente, apunta el 3er parámetro a una fuente que soporte ese script.

3. Confirma que el texto se extrae

Abre el PDF generado y copia el texto reconocido para verificar que ahora se extrae correctamente. Si todavía aparece desordenado, la fuente proporcionada casi seguramente carece de glifos para tu script; verifica que la fuente realmente lo cubra.