Los archivos PDF en varios idiomas son comunes en contextos legales, gubernamentales y de negocios internacionales. Un contrato puede aparecer en inglés y francés en columnas paralelas en cada página, y cada versión lingüística tiene el mismo peso legal. Un manual de producto puede incluir secciones separadas en inglés, español y chino, cada una dirigida a un mercado regional diferente. Un formulario gubernamental podría proporcionar instrucciones en cinco idiomas apiladas en una sola página para que un solo documento sirva a toda la población multilingüe. El desafío de redactar información de un documento de este tipo es fundamentalmente más complejo que redactar un PDF en un solo idioma porque hay que tomar decisiones deliberadas, idioma por idioma, sobre qué texto eliminar y cuál preservar.
Es posible que deba eliminar texto confidencial en un idioma y al mismo tiempo conservar la información idéntica en otro idioma donde no se considere confidencial según las reglas de divulgación de esa jurisdicción. Es posible que deba redactar solo la versión en inglés de un nombre personal y dejar las versiones en francés y en español completamente visibles porque se aplican diferentes regulaciones de privacidad a las versiones en diferentes idiomas del mismo documento oficial. O puede que necesites redactar información clasificada de una sección de idioma y dejar intactos los resúmenes no clasificados en otros idiomas. Estos escenarios exigen una técnica de redacción que opere a nivel de bloques de texto individuales en lugar de páginas enteras, y esa técnica comienza con la comprensión exacta de cómo se almacena el contenido en varios idiomas dentro de un archivo PDF.
Cómo se almacena el texto en varios idiomas dentro de un documento PDF
Un archivo PDF almacena texto a medida que se ejecutan caracteres individuales, cada uno ubicado en coordenadas xey precisas en el lienzo de la página. Cada carácter lleva su propio identificador de fuente, tamaño, color y coordenadas exactas de ubicación. Fundamentalmente, el formato PDF no tiene un concepto de lenguaje incorporado. Un bloque de texto en inglés y un bloque de texto en francés en la misma página no están etiquetados ni etiquetados como inglés o francés en ninguna parte de la estructura del archivo. Son simplemente dos colecciones independientes de caracteres ubicados en diferentes regiones de la página, probablemente representados con diferentes fuentes optimizadas para el conjunto de caracteres y las convenciones tipográficas particulares de cada idioma.
Esta ausencia de metadatos del lenguaje es, paradójicamente, tanto el mayor obstáculo para la redacción de un lenguaje específico como la característica que lo hace técnicamente posible. Es un obstáculo porque ninguna herramienta de redacción puede identificar automáticamente qué texto pertenece a qué idioma leyendo una etiqueta de metadatos. No hay ninguna columna de idioma en la tabla de objetos interna del PDF. Es lo que hace posible la redacción de un idioma específico porque la completa independencia estructural de los bloques de texto de cada idioma de los demás significa que redactar una versión de un idioma realmente no afecta a la otra. Las ejecuciones de texto en inglés y las ejecuciones de texto en francés ocupan diferentes rangos de bytes en el archivo y se pueden manipular de forma independiente.
En términos prácticos, esto significa que cuando dibuja un rectángulo de redacción sobre un párrafo de texto en inglés en la columna izquierda de un diseño de dos columnas, la herramienta de redacción de PDF elimina solo los caracteres cuyas coordenadas se encuentran dentro de ese rectángulo. El texto en francés de la columna de la derecha, que se encuentra a salvo en diferentes coordenadas, no ha sido modificado. La separación es puramente geométrica, no lingüística, pero funciona porque la geometría se correlaciona de manera confiable con la frontera del lenguaje. Siempre que pueda identificar con precisión qué regiones de cada página contienen qué idioma, puede redactar selectivamente por idioma.
Pruebe Redactar PDF
No se necesita instalación. Funciona directamente en su navegador.
Crear un mapa de idioma antes de realizar cualquier redacción
El paso preparatorio más importante para la redacción de un idioma específico es crear un mapa de idioma completo del documento antes de redactar algo. Revise cada página de forma sistemática e identifique con precisión qué bloques de texto pertenecen a qué idioma. En un diseño de columnas paralelas, documente que la columna de la izquierda es el Idioma A y la columna de la derecha es el Idioma B en las páginas 1 a 20. En un diseño apilado, tenga en cuenta que el tercio superior de cada página es inglés, el tercio medio es español y el tercio inferior es chino. En un documento donde los idiomas se alternan por sección, marque los rangos de páginas para cada sección de idioma. Cree un documento de referencia simple, ya sea una hoja de cálculo, capturas de pantalla marcadas o notas escritas a mano, que pueda consultar durante el proceso de redacción para confirmar qué texto pertenece a qué idioma.
El mapa de idiomas sirve como referencia autorizada cuando se acerca un párrafo específico y necesita verificar qué idioma está viendo antes de aplicar una redacción. Previene el error de redacción específico del idioma más común: redactar accidentalmente texto en el idioma incorrecto porque perdió la pista de en qué región lingüística estaba trabajando. El tiempo dedicado a crear el mapa es trivial en comparación con el tiempo y las posibles consecuencias de tener que explicar por qué se eliminó el texto en el idioma incorrecto de un documento oficial.
Usar información de fuentes para ayudar en la identificación del idioma
Si bien el formato PDF no almacena etiquetas de idioma, sí almacena información detallada de la fuente para cada carácter, y estos datos de fuente pueden servir como un poderoso proxy para la identificación del idioma. Los diferentes sistemas de escritura requieren tecnologías tipográficas fundamentalmente diferentes. La siguiente tabla asigna los tipos de fuentes comunes a los idiomas que normalmente representan y las consideraciones de redacción para cada uno.
| Tipo de secuencia de comandos de fuente | Probables idiomas representados | Consideración clave sobre redacción |
|---|---|---|
| Fuentes de escritura latina | Inglés, francés, español, alemán, italiano, portugués, holandés y la mayoría de los demás idiomas de Europa occidental. | Verifique visualmente qué idioma específico; los caracteres se superponen mucho en todos los idiomas |
| Fuentes CJK (SimSun, MS Mincho, Batang) | Chino (simplificado o tradicional), japonés, coreano | El nombre de la fuente a menudo indica directamente el idioma de destino. |
| fuentes de escritura árabe | Árabe, persa (farsi), urdu, pastún | Dirección del texto de derecha a izquierda; los rectángulos de redacción deben tener en cuenta el diseño RTL |
| Fuentes de escritura cirílica | ruso, ucraniano, búlgaro, serbio, macedonio | Las formas de los glifos son muy similares en estos idiomas; verificación visual esencial |
| Fuentes devanagari e índicas | Hindi, marathi, nepalí, sánscrito y otros idiomas del sur de Asia | La forma compleja de los glifos puede afectar la ubicación del rectángulo de redacción |
La información de la fuente reduce el problema de identificación del idioma de "cuál de los siete mil idiomas del mundo" a "cuál de un pequeño puñado de idiomas utiliza este sistema de escritura en particular". Cuando se combina con la inspección visual del contenido del texto real, la identificación basada en fuentes es lo suficientemente confiable como para redactar con confianza un idioma específico en prácticamente todos los documentos del mundo real.
Realizar redacción específica del lenguaje con herramientas PDF estándar
Las herramientas de redacción de PDF estándar no incluyen una función de selección de idioma. No hay ningún menú desplegable donde pueda elegir "Redactar solo en inglés" o "Redactar solo en francés". La redacción se realiza dibujando regiones rectangulares sobre el contenido que desea eliminar permanentemente del archivo. Para la redacción de un idioma específico, esto significa que debe dibujar cuidadosamente rectángulos de redacción que cubran solo el texto en el idioma de destino y evitando con precisión el texto en otros idiomas que ocupe áreas adyacentes o cercanas de la misma página.
En un diseño limpio de columnas paralelas donde el inglés ocupa el 45 por ciento izquierdo de la página y el francés ocupa el 45 por ciento derecho con un margen claro entre ellos, la tarea es manejable. Dibujas rectángulos de redacción que cubren el texto de la columna en inglés y dejas la columna en francés completamente sola. En documentos donde los idiomas están intercalados, como un formulario donde cada etiqueta de campo aparece en tres idiomas apilados verticalmente, la tarea exige acercarse al menos al 200 por ciento y dibujar rectángulos estrechos y precisos que cubran solo la línea del idioma de destino sin recortar la línea superior o inferior.
La herramienta PDF Redaction de WukongPDF realiza una verdadera redacción destructiva, eliminando permanentemente el contenido seleccionado de la estructura del archivo PDF en lugar de simplemente cubrirlo con un rectángulo negro. Para redactar en un idioma específico, amplíe al menos un 200 por ciento de aumento en cada página. Dibuja tus rectángulos de redacción con cuidado, verificando que cada rectángulo cubra solo el texto del idioma de destino. Después de aplicar todas las redacciones, desplácese por todo el documento con el zoom normal para realizar una pasada de verificación visual. Confirme que el texto del idioma distinto al de destino esté completamente intacto, sea completamente legible y no muestre signos de recorte accidental en los límites entre regiones del idioma.
Manejo de contenido compartido que aparece en todas las versiones de idioma
Algunos elementos de un documento en varios idiomas se comparten en todas las versiones de idiomas por su naturaleza. Un número de referencia de contrato, un número de caso judicial, una cantidad monetaria, una fecha o una dirección de propiedad pueden aparecer idénticamente en cada sección de idioma porque son hechos que no cambian con la traducción. Si dicha información compartida debe ser redactada, debe redactarse en cada versión de idioma en la que aparezca. Dejar un número de caso visible en la sección francesa mientras se ha eliminado de la sección inglesa crea una inconsistencia obvia y perjudicial que cualquier revisor notará de inmediato.
Si existe una razón legítima para preservar la información compartida en un idioma y al mismo tiempo redactarla en otro, esa razón debe documentarse explícitamente. Cree una breve nota adjunta o incruste metadatos en el PDF que explique en qué versión de idioma se eliminó, la base legal o reglamentaria específica para la redacción selectiva y la autoridad bajo la cual se tomó la decisión de redacción. Esta documentación protege tanto a la persona que realizó la redacción como a la organización que publicó el documento al establecer que la eliminación selectiva fue una decisión deliberada y justificada en lugar de un descuido o un error en el proceso de redacción.
Para documentos donde los requisitos de redacción específicos del idioma están impulsados por marcos legales multijurisdiccionales realmente complejos, consulte con un asesor legal antes de realizar la redacción. La capacidad técnica para redactar por idioma existe y es confiable cuando se realiza con cuidado. La idoneidad legal de revelar información selectivamente por idioma es una cuestión separada que depende enteramente del contexto regulatorio específico. También se deben sopesar las implicaciones de Translate PDF: un destinatario que solo puede leer la versión en el idioma no redactado puede recibir un conjunto de información divulgada materialmente diferente que un destinatario limitado a la versión redactada.
Pruebe Redactar PDF
No se necesita instalación. Funciona directamente en su navegador.