Что не так с Ворд документом?

Question

[lukoie]

Может кто уже сталкивался и подскажете.
Есть вордовский документ(и docx и doc с одинаковой проблемой), где кириллический шрифт отображается некорректно.
Выбираю самый стандартный таймс нью роман кир, и пишу букву "ы" среди текста - отображается нормально. При этом весь текст - латиницей с умляутами.
И если выбрать среди шрифтов есть один единственный шрифт из установленных, который таки покажет текст кириллицей - "Evropa"
Я понимаю что какие то тут вопросы с кодировками, но как это исправить в ворд документе? Я смотрел внутри docx, там у xml прописан UTF8.
Кто что подскажет?

ЗЫЖ нужен именно вордовский документ, пдф не подходит в данной задаче.

Онлайн конверторы что-то тоже подкачали, автоопределения не видят букву "т".

spoiler

При этом шрифт "европа" все символы показывает правильно. Но если передаешь документ, у них такого шрифта 99% что нет, так что мне нужен либо ариал, либо тахома, либо таймсньюроман.

Comments

[Антон]

открыть в другом редакторе и пересохранить? Например через гугл док или опенофис

[Sergey_USB]

Может шрифты в системе упали, скачай какой нибудь шрифт русский подкинет в Винду и им попробуй написать.

[shurshur]

Лет 20 назад подобное было обычным делом, шрифт с дублями русских букв на их позициях в cp1251. Помогало нормально работать с документами, сделанными в древних версиях ворда.

[d-stream]

Answer 1

[Adamos]

Сохранить как HTML
Перекодировать его из UTF8 в cp1252
Вручную исправить кодировку на cp1251
и снова открыть в офисе.

Comments

[lukoie]

[lukoie]

[Adamos]

lukoie, если можешь выложить документ и дать ссылку - его для тебя быстрее переделают, чем будут пытаться угадать, что не так в нем или в использованных тобой инструментах.

[lukoie]

Adamos, здесь нужно не переделка а понимание как с этими кодировками работать, потому что каждый раз плясать с бубном если надо втянуть новые строительные нормы
и это даже речь не встала об автоматизации этого процесса

вот это
https://dbn.co.ua/load/normativy/dbn/dbn_v_1_2_14/...
конвертни вот этим:
https://pdf2docx.com/ru/
из пдф в ворд, и открой

[lukoie]

просто если я пойму что именно не так, то буду понимать каким образом это всё упростить. пока приходится через файнридер или акробат про оцр. что хоть костыльно и сделает нужное, но это далеко не правильный способ реализации. тут должно быть что-то намного проще, просто я пока не могу понять как именно.

[Adamos]

lukoie, по "вот этому" видна причина проблемы - использован кривой шрифт, в котором глифы кириллицы тупо налеплены поверх европейской кодовой страницы.
В общем, рецепт здесь через хрустальный шар уже определили:
- открываешь этот DOCX как архив, выдергиваешь из него word/document.xml
- конвертируешь этот файл из UTF-8 в WINDOWS-1252
- конвертируешь результат из WINDOWS-1251 в UTF-8
- запихиваешь файл обратно в DOCX

[Adamos]

lukoie, только не надо мне показывать скриншоты своих редакторов, в которых что-то не так.
Я проверил iconv, все успешно переконвертировалось. Правда, пришлось добавить ключ -с, чтобы игнорировать те символы, которые набраны другим шрифтом и получаются в другой кодировке.

[lukoie]

Adamos, Ты это делал на целом файле, или только кусочке текста?
Потому что с кусочками текста я и сам такую магию умею. А вот файл оно не преобразовует так.
в терминале
recode.exe -f UTF-8..CP1252 document.xml
не дает результата на самом xml
а даже если добиться другими путями - то ворд уже не открывает такой файл

[lukoie]

результат

spoiler

другими словами, если целый файл конвертировать посредством recode (по сути тот же iconv) туда-сюда, xml уже становится невалидным.

[Adamos]

lukoie, я это сделал со всем файлом. Остальное см. выше.