WordArt, clipart et calendriers : les parties difficiles des fichiers Publisher

Extraire le texte d'un fichier Publisher est un problème résolu. Plusieurs outils savent le faire. Ce qui distingue une conversion qu'on utiliserait vraiment d'une conversion qu'on referme poliment, c'est tout le reste : les détails décoratifs, pointilleux, résolument 2003 qui font que le document ressemble à lui-même.

C'est sur ces détails qu'on a passé la majeure partie de l'année écoulée. Un tour des cas les plus coriaces :

WordArt

Le titre incurvé au-dessus du flyer de la vente de gâteaux. Du texte plié en cercle complet autour d'un logo. Le WordArt de Publisher va bien au-delà du gras-et-coloré : chaque préréglage déforme les lettres selon sa propre géométrie, et se tromper est très visible. La plupart des convertisseurs abandonnent et rendent le texte à plat, ce qui transforme une affiche en mémo.

Notre moteur reproduit les formes, y compris les préréglages circulaires où les glyphes doivent défiler le long d'une courbe un par un. Ça nous a pris un nombre embarrassant d'essais et d'erreurs pour obtenir quelque chose de juste. Ça valait la peine. Une fraction surprenante de vrais fichiers .pub s'ouvrent sur du WordArt. Bien sûr, c'était le bouton amusant.

Clipart et anciens formats d'image

Le clipart choisi dans la galerie en 2004 n'est pas un PNG. C'est généralement un WMF ou un EMF, des formats de dessin Windows des années 90 qui stockent des instructions (« trace une ligne ici, remplis cette forme ») plutôt que des pixels. Les logiciels modernes font semblant que ces formats n'existent pas, ce qui explique pourquoi les newsletters converties ont si souvent des rectangles blancs mystérieux là où se trouvait l'illustration.

On les rend. Lignes, remplissages, bitmaps intégrés, systèmes de coordonnées tordus, les images qui sont secrètement pivotées d'un quart de tour. Si votre newsletter de 2006 avait une dinde en dessin animé, la dinde survit.

Tableaux, et en particulier les calendriers

L'assistant de calendriers de Publisher construisait un tableau. Idem pour le modèle de liste de prix et la boîte « horaires d'ouverture ». Les tableaux semblent simples et ne le sont pas : chaque cellule peut avoir ses propres bordures, remplissages et alignements, certaines cellules ont un fond sombre avec du texte clair en réserve, et certains tableaux affichent leur texte à la verticale. Supprimez une seule bordure et un calendrier cesse d'y ressembler.

Le moteur lit la structure du tableau directement dans le fichier : largeurs de colonnes, hauteurs de lignes, bordures par côté, remplissages de cellules, et le flux de texte à l'intérieur de chaque cellule, y compris le texte vertical.

Dégradés, textures et effets d'image

Le fondu de couleur doux derrière un titre, la photo délavée utilisée comme fond, l'ombre portée sous une zone de texte. Ces effets sont stockés comme de petites recettes dans le fichier, et chacune a dû être décodée et reproduite. Quand ils disparaissent, les pages ne cassent pas vraiment. Elles s'aplatissent juste et deviennent grises, et la personne qui a créé le fichier le remarque immédiatement.

Pourquoi se donner tout ce mal

Parce que la personne qui convertit un fichier .pub ne convertit pas une structure de données. Elle convertit la newsletter qu'elle faisait quand son enfant était en CE2, et elle voit tout de suite quand ça revient mal.

Publisher lui-même reste le seul logiciel qui rend ces fichiers parfaitement, et il s'en va. Notre objectif est d'être un deuxième très proche, et on teste sur des dizaines de milliers de vrais documents pour nous y tenir. Quand quelque chose passe encore mal, ce fichier devient un rapport de bug et, le plus souvent, un correctif.

Essayez quelque chose avec une mise en forme complexe et voyez le résultat. L'aperçu est gratuit.