microsoft / microsoft/markitdown
Arabic Text is Mirrored
Open
Nobody has claimed this yet.
- Dominant language
- Python
- Stars
- 186k
- Forks
- 13.7k
- Avg merge
- 1d 4h
- Merged PRs (30d)
- 49
Description
Arabic text is mirrored when exported from PDF.
Example "Mirror" becomes "rorrim"
Original text:
لوريم أيبسوم ترويسة 1
لوريم إيبسوم(Lorem Ipsum) هو ببساطة نص شكلي (بمعنى أن الغاية هي الشكل وليس المحتوى) ويُستخدم في صناعات المطابع ودور النشر. كان لوريم إيبسوم ولايزال المعيار للنص الشكلي منذ القرن الخامس عشر عندما قامت مطبعة مجهولة برص مجموعة من الأحرف بشكل عشوائي أخذتها من نص، لتكوّن كتيّب بمثابة دليل أو مرجع شكلي لهذه الأحرف. خمسة قرون من الزمن لم تقضي على هذا النص، بل انه حتى صار مستخدماً وبشكله الأصلي في الطباعة والتنضيد الإلكتروني. انتشر بشكل كبير في ستينيّات هذا القرن مع إصدار رقائق "ليتراسيت" (Letraset) البلاستيكية تحوي مقاطع من هذا النص، وعاد لينتشر مرة أخرى مؤخراَ مع ظهور برامج النشر الإلكتروني مثل "ألدوس بايج مايكر" (Aldus PageMaker) والتي حوت أيضاً على نسخ من نص لوريم إيبسوم.
لوريم إيبسوم ترويسة 2
هناك حقيقة مثبتة منذ زمن طويل وهي أن المحتوى المقروء لصفحة ما سيلهي القارئ عن التركيز على الشكل الخارجي للنص أو شكل توضع الفقرات في الصفحة التي يقرأها. ولذلك يتم استخدام طريقة لوريم إيبسوم لأنها تعطي توزيعاَ طبيعياَ -إلى حد ما- للأحرف عوضاً عن استخدام "هنا يوجد محتوى نصي، هنا يوجد محتوى نصي" فتجعلها تبدو (أي الأحرف) وكأنها نص مقروء. العديد من برامح النشر المكتبي وبرامح تحرير صفحات الويب تستخدم لوريم إيبسوم بشكل إفتراضي كنموذج عن النص، وإذا قمت بإدخال "lorem ipsum" في أي محرك بحث ستظهر العديد من المواقع الحديثة العهد في نتائج البحث. على مدى السنين ظهرت نسخ جديدة ومختلفة من نص لوريم إيبسوم، أحياناً عن طريق الصدفة، وأحياناً عن عمد كإدخال بعض العبارات الفكاهية إليها.
Result:
1
ةسيورت موسبيأ ميرول
)
(
ىوتحملا سيلو لكشلا يه ةياغلا نأ ىنعمب
يلكش صن
ةطاسبب وه )
Lorem Ipsum
(
موسبيإ ميرول
نرقلا ذنم يلكشلا صنلل رايعملا لازيلاو موسبيإ ميرول ناك .رشنلا رودو عباطملا تاعانص يف مدختسُيو
ةعبطم تماق امدنع رشع سماخلا
،صن نم اهتذخأ يئاوشع لكشب فرحلأا نم ةعومجم صرب
،صنلا اذه لىع يضقت مل نمزلا نم نورق ةسمخ .فرحلأا هذهل يلكش عجرم وأ ليلد ةباثمب بّيتك نّوكتل
يف ريبك لكشب رشتنا .ينورتكللإا ديضنتلاو ةعابطلا يف يلصلأا هلكشبو ًامدختسم راص ىتح هنا لب
( "
تيسارتيل قئاقر رادصإ عم نرقلا اذه تاّينيتس
ركيام جياب سودلأ لثم ينورتكللإا رشنلا جمارب روهظ عم َارخؤم ىرخأ ةرم رشتنيل داعو
( "
PageMaker
.موسبيإ ميرول صن نم خسن لىع ًاضيأ توح يتلاو )
،صنلا اذه نم عطاقم يوحت ةيكيتسلابلا )
ةلوهجم
Letraset
Aldus
"
"
2
ةسيورت موسبيإ ميرول
"
لىع زيكرتلا نع ئراقلا يهليس ام ةحفصل ءورقملا ىوتحملا نأ يهو ليوط نمز ذنم ةتبثم ةقيقح كانه
ميرول ةقيرط مادختسا متي كلذلو .اهأرقي يتلا ةحفصلا يف تارقفلا عضوت لكش وأ صنلل يجراخلا لكشلا
انه ،يصن ىوتحم دجوي انه مادختسا نع ًاضوع فرحلأل -ام دح لىإ- َايعيبط َاعيزوت يطعت اهنلأ موسبيإ
حماربو يبتكملا رشنلا حمارب نم ديدعلا .ءورقم صن اهنأكو فرحلأا يأ ودبت اهلعجتف يصن ىوتحم دجوي
لاخدإب تمق اذإو ،صنلا نع جذومنك يضارتفإ لكشب موسبيإ ميرول مدختست بيولا تاحفص ريرحت
"
lorem ipsum
دمع نع ًانايحأو ،ةفدصلا قيرط نع ًانايحأ ،موسبيإ ميرول صن نم ةفلتخمو ةديدج خسن ترهظ نينسلا
.اهيلإ ةيهاكفلا تارابعلا ضعب لاخدإك
ىدم لىع .ثحبلا جئاتن يف دهعلا ةثيدحلا عقاوملا نم ديدعلا رهظتس ثحب كرحم يأ يف "
"
)
(
I've attached an example pdf file:
Contributor guide
No contributing guide indexed for this repository
First steps
- Read the whole issue, then the project's contributing guide.
- Comment on the issue to say you are picking it up — it saves two people doing the same work.
- Fork the repository and make your change on a branch.
- Open a pull request that references the issue number.
Research direction
Start by reproducing the export with the attached Arabic.pdf and inspect the PDF-to-Markdown conversion path for right-to-left text handling. Done means Arabic text and mixed Arabic/Latin content retain the correct reading order in the exported result, with a regression test covering the example.
Written by the indexing model from the issue text.
Assessment
- Tech stack
- python
- Domain
- tooling
- Issue type
- Bug
- Difficulty
- 4/5
- Estimated time
- 3-5 days
- Activity status
- Stale
- Clarity
- Mostly clear
- Newbie friendliness
- 45/100