Adobe PDF

Os ficheiros PDF são uma opção popular para armazenar e imprimir tablaturas de acordes e folhas de letras. Pode ter estado a utilizar ficheiros PDF durante anos para catalogar a sua biblioteca digital. O formato de ficheiro Adobe PDF é ótimo para representar com precisão a página impressa e é portátil entre diferentes plataformas de computador. Vamos analisar alguns desafios com este formato de ficheiro e formas de extrair texto para obter os melhores resultados.

Os ficheiros Adobe PDF são apresentados "tal como estão" no OnSong e não podem ser editados, formatados ou participar no modo de luz baixa. Embora estes ficheiros possam conter texto, este é colocado na página virtual de uma forma que permite que seja impresso, mas não facilmente compreendido ou modificado por outras aplicações. Além disso, os ficheiros PDF também podem ser compostos por gráficos ou imagens digitalizadas, ou qualquer combinação destes. Também podem estar encriptados, protegendo o seu conteúdo de ser extraído. Por causa disto, cada ficheiro PDF é diferente, pelo que não há forma de processar uma conversão perfeita para um documento baseado em texto.

Pode extrair o texto de um ficheiro PDF dentro do OnSong utilizando o Editor de Canções e tocando no botão Extrair Texto na Barra de Ferramentas de Conversão que aparece antes do teclado no ecrã ser revelado. O OnSong tentará primeiro extrair o texto do ficheiro PDF e, se não houver texto disponível, processará o ficheiro utilizando Reconhecimento Ótico de Caracteres (OCR). O resultado acabará muito provavelmente com texto, mas terá de rever e ajustar o texto para um formato de ficheiro que o OnSong compreende. Além disso, se o ficheiro estava encriptado, o resultado da extração pode resultar em caracteres distorcidos. Estes ficheiros não podem ser extraídos devido à proteção aplicada a eles pelo software de autoria.

Eis alguns problemas que pode ter com ficheiros PDF extraídos:

Espaçamento Deficiente

Pode descobrir que algum texto está fora de ordem ou com espaçamento deficiente. Isto deve-se ao facto de que os ficheiros PDF podem utilizar atalhos de texto para alinhar texto utilizando múltiplos fragmentos de texto. O OnSong trabalha para colocar estes fragmentos de texto em proximidade entre si utilizando cálculos de proximidade de fotogramas, mas pode ainda haver problemas que o obriguem a corrigir isto manualmente.

Acordes com Espaços Extras

Cada tablatua de acordes é criada de forma diferente dependendo do autor e do software utilizado. Por exemplo, o ficheiro original pode ter tido múltiplos caracteres de espaço utilizados para alinhar acordes acima de letras. Se for utilizada uma fonte de largura variável, isto pode resultar em muitos mais espaços sendo utilizados do que as letras abaixo. Utilize Corrigir Espaços de Alinhamento encontrado no Menu de Ferramentas de Texto encontrado na Barra de Menu do Editor de Canções para trazer esses acordes mais perto da sua posição e depois ajuste manualmente conforme necessário.

Acordes Comprimidos

Outro problema pode ser acordes que estão muito próximos um do outro numa linha acima dos acordes. Isto pode acontecer se os acordes foram colocados originalmente em caixas de texto e depois alinhados acima dos acordes. Terá de alinhar manualmente esses acordes sobre as letras correspondentes no Editor de Canções.

Caracteres Distorcidos

Se tentar extrair texto de um documento PDF encriptado, pode resultar numa tela cheia de caracteres. Terá de reverter o processo de extração ou sair do Editor de Canções e encontrar uma forma diferente de extrair texto.

Caracteres Não Reconhecidos

Se o OnSong não conseguir extrair o texto do documento diretamente, pode ser necessário submeter o documento a reconhecimento ótico de caracteres (OCR). Isto significa que um computador tentará "ler" o documento visualmente. Dependendo da qualidade do PDF, isto pode resultar na utilização de um carácter impróprio. Por exemplo, se o seu documento tivesse um símbolo de bemol, este pode ser interpretado como a letra minúscula "b", ou se o PDF foi digitalizado, o texto desbotado pode resultar noutros caracteres. Reveja o documento e faça estas alterações manuais conforme necessário no Editor de Canções.