למה העברית יוצאת הפוכה כשמעתיקים מ־PDF, ואיך מתקנים
העתקתם פסקה מקובץ PDF, הדבקתם בוורד, וקיבלתם "םולש" או "שלו×". אלה שתי תקלות שונות לגמרי עם סיבות שונות — וכדאי לדעת להבדיל ביניהן כדי לתקן נכון.
מאת כלים אונליין עודכן:
רוצים לדלג ישר לכלי?
הפכו ג'יבריש חזרה לעברית קריאה. הכול קורה בדפדפן שלכם — הקובץ לא נשלח לשום שרת.
תיקון עברית הפוכהשתי תקלות שנראות דומה
לפני שמתקנים, צריך לזהות. מה שרואים על המסך מספר לכם באיזו תקלה מדובר:
אם האותיות עבריות אבל הסדר הפוך — “םולש” במקום “שלום” — זו תקלת סדר ויזואלי.
אם רואים ג׳יבריש לטיני — “שלוה או “ùìåí” — זו תקלת קידוד.
הן דורשות תיקון שונה לחלוטין, ולכן ניסיון לתקן את האחת בשיטה של השנייה פשוט לא יעבוד.
בדיקה של חמש שניות
לא צריך לקרוא את כל הטקסט כדי לדעת. מספיק לחפש שלושה סימנים:
- אות סופית בתחילת מילה — ם, ן, ץ, ף או ך בצד הימני של המילה, כמו ב“םולש” או ב“ןמזה”. בעברית תקינה הן מופיעות רק בסוף מילה, ולכן זה הסימן הוודאי ביותר לסדר הפוך. גם מילה קצרה אחת עם אות סופית במקום הלא נכון מספיקה.
- הרבה
×ו־Ö— עברית בקידוד UTF-8 שנקראה כטקסט לטיני. - אותיות לטיניות עם סימנים מעליהן, כמו
ù,ìו־å— עברית בקידוד הישן Windows-1255.
אם יש גם אותיות סופיות במקום הלא נכון וגם ג׳יבריש, כנראה שהטקסט עבר את שתי התקלות. מתקנים קודם את הקידוד, ואחר כך את הסדר.
תקלה ראשונה: סדר ויזואלי הפוך
למה זה קורה
עברית נכתבת מימין לשמאל, אבל קבצים שומרים תווים ברצף אחד. יש שתי דרכים לשמור משפט עברי:
בסדר לוגי — התווים נשמרים לפי סדר הקריאה, והתוכנה שמציגה אותם יודעת להפוך את הכיוון בתצוגה. כך עובדות כל המערכות המודרניות.
בסדר ויזואלי — התווים נשמרים לפי סדר ההופעה על המסך, כלומר כבר הפוכים. זו שיטה ישנה מימי ה־DOS, לפני שמערכות ההפעלה ידעו לטפל בכיווניות.
קובצי PDF רבים — במיוחד כאלה שנוצרו ממערכות ותיקות, ממדפסות וירטואליות או מתוכנות שלא תמכו כראוי בעברית — שומרים את הטקסט בסדר ויזואלי. כשמעתיקים מהם, מקבלים בדיוק את מה ששמור: טקסט הפוך.
זו גם הסיבה שהטקסט נראה תקין בתוך ה־PDF עצמו ומתקלקל רק בהעתקה. בקובץ יש גם מידע על מיקום כל תו על הדף, ולכן התצוגה נכונה — אבל ההעתקה לוקחת רק את רצף התווים.
איך מתקנים
כלי תיקון העברית ההפוכה מזהה את התקלה ומתקן אותה. הדבק, והפלט מופיע מיד.
יש נקודה אחת ששווה להכיר: הכלי מחליט לכל שורה בנפרד אם היא הפוכה. זה חשוב, כי בחילוץ מ־PDF נפוץ מאוד שרק חלק מהשורות יוצאות הפוכות — כותרות בסדר אחד, גוף הטקסט בסדר אחר. כלי שמחליט על כל המסמך יחד היה הופך גם את השורות התקינות והורס אותן.
תקלה שנייה: קידוד שגוי
למה זה קורה
כל תו נשמר בקובץ כמספר, וטבלת הקידוד קובעת איזה מספר מייצג איזו אות. כשקובץ נשמר בטבלה אחת ונקרא בטבלה אחרת, כל אות מתורגמת לאות הלא נכונה.
שני המקרים הנפוצים בעברית:
UTF-8 שנקרא כלטינית — נראה כמו “שלוה. הסימן המובהק הוא ריבוי תווי × ו־Ö.
Windows-1255 שנקרא כלטינית — נראה כמו “ùìåí”. הסימן המובהק הוא אותיות לטיניות עם סימנים מעליהן.
זה קורה כשקובץ עובר בין מערכות, כשמייבאים CSV לאקסל, או כשמעתיקים דרך תוכנה שלא הבינה את הקידוד.
איך מתקנים
אותו כלי. הוא מזהה אוטומטית באיזו משתי התקלות מדובר ומיישם את התיקון המתאים. אם הזיהוי טעה, יש שלוש אפשרויות ידניות — אפשר לעבור ביניהן ולראות איזו מפיקה עברית קריאה.
לפני שמתקנים: לנסות קורא PDF אחר
אותו קובץ יכול לתת טקסט שונה בתוכנות שונות. ב־PDF אין “פסקאות” — יש אותיות ומיקום של כל אחת על הדף, וכל קורא PDF מרכיב מהן מחדש את סדר הקריאה בדרך שלו. לכן קורה שהעתקה מהקורא של כרום יוצאת הפוכה, ומ־Acrobat או מאדג’ יוצאת תקינה, או להפך.
אם יש לכם כמה עמודים להעתיק, שווה לנסות פעם אחת לפתוח את הקובץ בקורא אחר ולהעתיק משם שורה לבדיקה. זה לוקח חצי דקה, ולפעמים חוסך את כל התיקון.
מה לבדוק אחרי התיקון
גם כשהאותיות חזרו לסדר, טקסט שהגיע מ־PDF נושא איתו כמה עקבות. כדאי לעבור עליהם לפני שמשתמשים בו:
ירידת שורה בסוף כל שורה. ה־PDF שומר כל שורה מודפסת בנפרד, ולכן פסקה שהועתקה מגיעה עם ירידת שורה במקום שבו השורה נגמרה בדף. בוורד מאחדים את זה בחיפוש והחלפה (Ctrl+H), בשלושה שלבים: מחליפים קודם ^p^p (סוף פסקה אמיתי) בסימן זמני כמו ###, אחר כך מחליפים ^p ברווח, ובסוף מחליפים את ### חזרה ב־^p. כך הפסקאות נשארות, והשורות שבתוכן מתחברות.
מספרים ומילים באנגלית. טלפונים, תאריכים, סכומים ומספרי סעיפים הם המקום שבו טעויות מסתתרות, כי יש קבצים ששמרו גם אותם בסדר הפוך ויש ששמרו אותם תקינים. השוו אותם מול ה־PDF, במיוחד בחוזים ובחשבוניות.
טבלאות ושתי עמודות. בהעתקה מטבלה, או ממסמך שבנוי בשני טורים, קורא ה־PDF לא תמיד יודע איזה תא בא אחרי איזה. התוצאה יכולה לערבב שורות משני הטורים. העתיקו טור אחד או תא אחד בכל פעם.
ניקוד. בטקסט מנוקד, סימני הניקוד עלולים להגיע מוזזים או מוצמדים לאות הלא נכונה. אם אין צורך בניקוד, הכי פשוט להסיר אותו אחרי התיקון.
מה לעשות כשהטקסט בכלל לא ניתן להעתקה
לפעמים ה־PDF הוא בכלל תמונה סרוקה, ואין בו טקסט להעתיק. אין כאן תקלת קידוד — פשוט אין טקסט.
במקרה כזה צריך זיהוי תווים אוטומטי (OCR), שקורא את האותיות מהתמונה. אין באתר כלי OCR, ובכוונה: המנועים שרצים בדפדפן דורשים הורדה של עשרות מגה־בייט, והדיוק שלהם בעברית נמוך משמעותית מאשר באנגלית — במיוחד בכתב יד, בטקסט מנוקד ובסריקות באיכות נמוכה. עדיף להשתמש בכלי ייעודי ולהגיה את התוצאה.
מה שכן אפשר לעשות כאן: להמיר את ה־PDF לתמונות כדי לחלץ את העמודים הסרוקים באיכות מלאה, ואז להעביר אותם למנוע OCR לבחירתכם.
איך למנוע את זה מלכתחילה
- בייצוא ל־PDF מוורד או מגוגל דוקס — השתמשו בפקודת הייצוא המובנית ולא במדפסת וירטואלית של צד שלישי. הראשונה שומרת טקסט בסדר לוגי.
- בשמירת CSV לאקסל — בחרו במפורש “CSV UTF-8”.
- כשאתם מקבלים קובץ בעייתי — אם אפשר, בקשו מהשולח את המקור (Word, למשל) במקום ה־PDF. זה חוסך את כל השרשרת.