<div>The attachment contains a counted list of Myanmar words containing a font conversion error.<br><i>NB. We need to match these words with what they are in the legacy font.</i></div><div><br></div><div><div>This issue should be discussed with the current maintainer of the SIL <b>TECkit</b> converter, whoever that may be.<br></div><div><br></div><div>It may be worthwhile asking our friends at the SIL <b>Writing Systems Technology</b> team. See</div><a href="https://scripts.sil.org/default">https://scripts.sil.org/default</a><br><br><i>Aside: My friend Martin Hosken of SIL knew the late Keith Stribley - the former webmaster of ThanLwinSoft.</i></div><div><br></div><div class="protonmail_signature_block"><div class="protonmail_signature_block-user"><div>Best regards,<br></div><div><br></div><div>David<br></div></div><div><br></div><div class="protonmail_signature_block-proton">Sent with <a href="https://protonmail.com" target="_blank">ProtonMail</a> Secure Email.<br></div></div><div><br></div><div>‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐<br></div><div> On Wednesday, May 15, 2019 4:41 PM, David Haslam &lt;dfhdfh@protonmail.com&gt; wrote:<br></div><div> <br></div><blockquote class="protonmail_quote" type="cite"><div><u><b>Observations</b>: (continued)</u><br></div><div><br></div><div><div>5. The string "<b>Kd;</b>" also looks anomalous. It's found only once in&nbsp;<br></div><div>ကိုယ်တော်၏ဦးခေါင်းတော်အပေါ်၌ လည်း ဤသူသည်ကား ဂျူးလူမျ Kd;တို့၏ဘုရင်၊<br></div></div><div><br></div><div><div>6. It's evident from the PDF file that the text is paragraphed with indented first lines. See&nbsp;<br></div><div><a href="https://www.dropbox.com/s/do5e675i19xfomf/Screenshot%202019-05-15%2016.29.10.png?dl=0">https://www.dropbox.com/s/do5e675i19xfomf/Screenshot%202019-05-15%2016.29.10.png?dl=0</a><br></div><div><br></div><div>My hunch is that these leading paragraph indents may have been coded within contents.xml as the self-closing element&nbsp;<b>&lt;text:tab/&gt;</b>.&nbsp;<span style="font-family:arial, sans-serif">There are 372 matches to this.<br><br>So not only do we need to provide chapter and verse tags (plus section headings &amp; parallel passage titles, etc), we also need to reconstruct all the paragraph tags.<br><br><i>NB. All structural XML indents were removed by the filter "Remove blanks at SOL" in the file </i><b><i>contents.pp.tx</i></b><i> that was&nbsp;output by my simple TextPipe filter. So that's quite a different matter.</i></span></div><div><br></div></div><div class="protonmail_signature_block"><div class="protonmail_signature_block-user"><div>Best regards,<br></div><div><br></div><div>David<br></div></div><div><br></div><div class="protonmail_signature_block-proton">Sent with <a target="_blank" href="https://protonmail.com">ProtonMail</a> Secure Email.<br></div></div><div><br></div><div>‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐<br></div><div>On Wednesday, May 15, 2019 2:22 PM, David Haslam &lt;dfhdfh@protonmail.com&gt; wrote:<br></div><div><br></div><blockquote type="cite" class="protonmail_quote"><div><u><b>Observations:</b> (continued<b>)</b></u><br></div><div><br></div><div><div>4. In addition to the reported instances of the anomalous 3 characters (<b>È,Ø,ò</b>) found after the font conversion,<br></div><div>there are 6 instances of the string "<b>m;</b>" that are also&nbsp;probably due to bugs in the converter.<br></div><div><br></div></div><div class="protonmail_signature_block"><div class="protonmail_signature_block-user"><div>Best regards,<br></div><div><br></div><div>David<br></div></div><div><br></div><div class="protonmail_signature_block-proton">Sent with <a href="https://protonmail.com" target="_blank">ProtonMail</a> Secure Email.<br></div></div><div><br></div><div>‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐<br></div><div>On Wednesday, May 15, 2019 12:41 PM, David Haslam &lt;dfhdfh@protonmail.com&gt; wrote:<br></div><div><br></div><blockquote class="protonmail_quote" type="cite"><div>Yep - sure - later I can do that.&nbsp;<br></div><div><br></div><div>David<br></div><div><br></div><div id="protonmail_mobile_signature_block"><div>Sent from ProtonMail Mobile<br></div></div><div><br></div><div><br></div><div>On Wed, May 15, 2019 at 11:26, Cyrille &lt;<a class href="mailto:lafricain79@gmail.com">lafricain79@gmail.com</a>&gt; wrote:<br></div><blockquote type="cite" class="protonmail_quote"><div>David I have no count in box, and I want not to create one. Can you
    push on <a href="https://framadrop.org/">https://framadrop.org/</a> it's totally free and secure (and
    private).<br></div><div>Thank&nbsp; you.<br></div><div><br></div><div><br></div><div class="moz-cite-prefix">Il 15/05/2019 11:46, David Haslam ha
      scritto:<br></div><blockquote type="cite"><pre wrap>Interim progress report.

I downloaded the file Mat_utf8.zip from Cyrille's link and unzipped the contents to Mat_utf8-odt

I opened the .odt file using 7-Zip from the Windows Explorer context menu, and extracted the file contents.xml

I used Notepad++ plug-in XMLTools to pretty print the XML file and saved it as contents.pp.xml
This is simply a layout change that's easier to read.

I viewed the .pp.xml file in BabelPad, which confirmed that the non-XML text was (mostly) Myanmar Unicode.

I used a TextPipe filter to remove all XML tags, blanks from SOL &amp; EOL and all blank lines.
The output file is now contents.pp.txt

This is now something that's readable content in Myanmar Unicode, with some English text such as "The Gospel according Matthew" near the start.

The file is best viewed using BabelPad with the option Display Colours | Colour Code by Script.
This shows Myanmar characters in light green, and non-Myanmar characters in other colours.

Observations:
1. The font conversion to Unicode left a few scattered characters unconverted. :(

0000C8        È        18        LATIN CAPITAL LETTER E WITH GRAVE
0000D8        Ø        20        LATIN CAPITAL LETTER O WITH STROKE
0000F2        ò        3        LATIN SMALL LETTER O WITH GRAVE

The complete character frequency analysis is attached.

2. A few verse numbers? are still present here and there.
3. The content contains section headings and parallel passage headings as well as verse text.

I have just uploaded the file contents.pp.zip to a new folder in my Box account and added Cyrille &amp; Michael as viewers.


Best regards,

David

Sent with ProtonMail Secure Email.

‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐
On Monday, May 13, 2019 9:19 AM, Cyrille <a href="mailto:lafricain79@gmail.com">&lt;lafricain79@gmail.com&gt;</a> wrote:

<br></pre><blockquote type="cite"><pre wrap>Hello,
I recently receive a modern translation of Myanmar of the NT, Psalms and
Proverbs with permission to create a new module.
But the problems are many... Firs to get the text.
I tested different way, but it's done with PageMaker!
I can get the text but the problem is I don't have the verses number
because they are next in a parallel column and when I copy it I have
only the biblical text.
I have a pdf also but when I convert it to text (with pdftotext) the
columns are mixed.
Someone can help me whit any idea?
Next problem is the Unicode... The text is not typed in unicode but use
a special font.
I can send everything you need or push it the git.crosswire.

Thanks for help.

sword-devel mailing list: <a href="mailto:sword-devel@crosswire.org">sword-devel@crosswire.org</a>
<a href="http://www.crosswire.org/mailman/listinfo/sword-devel">http://www.crosswire.org/mailman/listinfo/sword-devel</a>
Instructions to unsubscribe/change your settings at above page
<br></pre></blockquote><pre wrap><br></pre><div><br></div><pre wrap>_______________________________________________
sword-devel mailing list: <a href="mailto:sword-devel@crosswire.org">sword-devel@crosswire.org</a>
<a href="http://www.crosswire.org/mailman/listinfo/sword-devel">http://www.crosswire.org/mailman/listinfo/sword-devel</a>
Instructions to unsubscribe/change your settings at above page<br></pre></blockquote></blockquote><div><br></div><div><br></div></blockquote><div><br></div></blockquote><div><br></div></blockquote><div><br></div>