☰

Получение корректного поискового текста для текста деванагари

tag-icon • tag-icon pdf copy-paste indic accessibility accsupp
Получение корректного поискового текста для текста деванагари

Рассмотрим этот довольно минимальный документ, который, насколько мне известно, является рекомендуемым способом набора текста на санскрите, написанного шрифтом деванагари:

\documentclass{article}

\usepackage{fontspec}
\usepackage{polyglossia}
\setmainlanguage{sanskrit}
\newfontfamily\devanagarifont[Script=Devanagari]{Chandas}

\begin{document}
किं  बहुना । परस्परं द्वैधम् उत्पन्नम् ।
\end{document}

Когда я набираю это, даже если вывод визуально хорош, попытка скопировать текст из PDF каждый раз дает неправильный результат. Я пробовал и с , xelatexи lualatexс четырьмя шрифтами, которые все щедро доступны онлайн бесплатно:Чандас,Noto Sans Devanagari, Noto Serif Devanagari,Адишила:

  • Правильный текст:

    • Кин Бахунья. Перспективы развития.

  • xelatex:

    • कं बहुना. Пожалуйста, посетите наш сайт. (Чандас)
    • Да, конечно. Пожалуйста, дайте мне знать. (Ното Санс Деванагари)
    • Да, это так. Перспективы развития. (Шрифт Noto Serif Devanagari)
    • это так. Перспективы развития. (Адишила)

  • lualatex:

    • это так. Пожалуйста, дайте мне знать. (Чандас)
    • это так. Перспективы развития. (Noto Sans Devanagari — также, вывод сломан)
    • это так. Перспективы развития. (Noto Serif Devanagari — также, вывод сломан)
    • это так. Перспективы развития. (Адишила)

Итак, ни один из вариантов не является правильным, хотя в некоторых комбинациях проблематичной была только первая буква слога. (Неважно, что это первая буква слога; в слове किं везде та же проблема.)

(Примечание: это было сделано с использованием TeX Live 2020, поэтому lualatexиспользуется LuaHBTeX… однако вывод неверен по сравнению с xelatexдвумя шрифтами.)

Есть ли способ скопировать правильный текст?

Я также пробовал обёртывать каждое слово с помощью accsuppпакета, например, \BeginAccSupp{ActualText=किं}किं\EndAccSupp{}и т. д., но это приводит к полной тарабарщине.

решение1

Когда я компилирую с помощью LuaLaTeX в TeX Live 2020, при копировании и вставке я получаю следующее:

Кин Бахунья. Перспективы развития.

Из следующего MWE, который также должен сэкономить вам время на вводе текста, если вы также хотите определить \devanagarifontsf, \devanagarifontttи т. д.

\documentclass{article}
\tracinglostchars=2

\usepackage{iftex}
\usepackage{polyglossia}

\ifluahbtex
  \defaultfontfeatures{ Renderer=HarfBuzz, Ligatures=TeX }
\fi

\setmainlanguage{sanskrit}
%% Font available at:
%% https://www.google.com/get/noto/#serif-deva
\newfontfamily\devanagarifont[Script=Devanagari]{Noto Serif Devanagari}

\begin{document}
किं  बहुना । परस्परं द्वैधम् उत्पन्नम् ।
\end{document}

Однако это по-прежнему не позволяет корректно копировать и вставлять данные из XeLaTeX.

Обычно я использую babel, который, помимо прочего, может автоматически определять язык, на котором я печатаю, но решение очень похожее.

Как сказал Марсель Крюгер в комментариях, современный LuaLaTeX поддерживает рендеринг HarfBuzz, но вам нужно его выбрать.

Связанный контент