[Bug]: Arabic Text Reversal and RTL Encoding Issues During Export

Abierto
  • ¿Algo no está bien?
#979 1 comentario 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
18/100
Tipo de issue
Error
Claridad
Bastante claro
Estado de actividad
Activo
Stack tecnológico
csharp
Área
documentation

Línea de trabajo

The issue covers several converters (PDF to Markdown, PDF to Text, PowerPoint to PDF) with no file, test or entry point named, and the Files involved field is empty. Start by reproducing with an Arabic PDF and locating the text extraction path in the C# converter code, then check how bidi ordering is applied. Done would mean extracted Arabic text reads in logical order in the output, but the fix needs bidi and shaping knowledge, so this is not a good first issue.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

bug
What happened?
Summary :

When exporting or converting files containing Arabic text (e.g., PDF to Markdown, PDF to Text, or PowerPoint to PDF) using Filee, the Arabic characters and words are rendered in reverse order (Left-to-Right instead of Right-to-Left), and characters appear disconnected or mirrored.

1. Environment
  • Application Name: Filee
  • Affected Operations:
  • PDF to Markdown conversion
  • PDF to Text extraction
  • PowerPoint to PDF conversion
  • Language/Encoding: Arabic (RTL - Right-to-Left scripts)
2. Steps to Reproduce
  • Attempt to export or convert the file into Markdown, plain text, or PDF.
  • Open the resulting output file.
3. Expected Behavior
  • Arabic text should maintain correct Unicode shaping and Right-to-Left (RTL) reading direction.
  • Words and letters should appear in their standard, readable form (e.g., "البطولة المفتوحة").
4. Actual Behavior
  • Text strings are extracted or rendered backwards and broken.
  • Examples observed from exports:
  • البطولة appears as ةلبطولةا or البطولةا.
  • المفتوحة appears as ةحوتفملا.
  • Formatting and spacing get corrupted due to improper handling of bidirectional text (Bidi) and Arabic script shaping.
5. Additional Notes

Please investigate the text extraction and rendering engine (OCR / conversion pipeline) to ensure proper Unicode support, Bidi algorithm handling, and RTL text direction preservation for Arabic documents.

What did you expect?

Before Converting

Image

After Converting

Image
Steps to reproduce
  1. Attempt to export or convert the file to Markdown, plain text, or PDF.
  2. Open the resulting output file.
Files involved

No response

Filee version

2.2.0

Operating system

Win10

Engines page status

No response

Log
Lenguaje dominante
C#
Estrellas
3.6k
Forks
192
Merge medio
7 h 17 min
PR fusionados (30 d)
393

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de KnifeLemon/Filee

Todos los issues de KnifeLemon/Filee

Issues similares

Más issues de C#

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.