多言語 PDF は、国際的なビジネス、政府、法律の分野で一般的です。契約書は、各言語版が同等の法的重みを持ち、英語とフランス語で各ページに並列して表示される場合があります。製品マニュアルには、英語、スペイン語、中国語の個別のセクションが含まれており、それぞれが異なる地域市場を対象としている場合があります。政府のフォームでは、単一の文書が多言語を話す国民全体に提供できるように、1 ページに 5 つの言語で説明が記載されている場合があります。このような文書から情報を編集するという課題は、基本的に、どのテキストを削除し、どのテキストを保持するかを言語ごとに慎重に決定する必要があるため、単一言語の PDF を編集するよりも複雑です。
管轄区域の開示規則で機密とみなされない場合、ある言語の機密テキストを削除し、別の言語で同じ情報を保持する必要がある場合があります。同じ公式文書の異なる言語バージョンには異なるプライバシー規制が適用されるため、個人名の英語バージョンのみを編集し、フランス語とスペイン語のバージョンを完全に表示したままにしておく必要がある場合があります。または、ある言語のセクションの機密情報を編集し、他の言語の未機密の概要をそのまま残す必要がある場合もあります。これらのシナリオでは、ページ全体ではなく個々のテキスト ブロックのレベルで機能する編集技術が必要です。その技術は、多言語コンテンツが PDF ファイル内にどのように保存されているかを正確に理解することから始まります。
PDF ドキュメント内に多言語テキストを保存する方法
PDF ファイルには、テキストが個々の文字の実行として保存され、各文字がページ キャンバス上の正確な x 座標と y 座標に配置されます。すべての文字には、独自のフォント識別子、サイズ、色、および正確な配置座標が含まれます。重要なことに、PDF 形式には言語の概念が組み込まれていません。同じページ上の英語テキストのブロックとフランス語テキストのブロックは、ファイル構造内のどこにも英語またはフランス語としてタグ付けまたはラベル付けされていません。これらは単に、ページの異なる領域に配置された文字列の 2 つの独立したコレクションであり、おそらく各言語の特定の文字セットと活版印刷規則に合わせて最適化された異なるフォントでレンダリングされます。
この言語メタデータの欠如は、逆説的ですが、言語固有の編集に対する最大の障害であると同時に、それを技術的に可能にする機能でもあります。これは、メタデータ タグを読み取って、どのテキストがどの言語に属しているかを自動的に識別できる編集ツールはないため、これが障害となります。 PDF の内部オブジェクト テーブルには言語列がありません。これにより、言語固有の編集が可能になります。各言語のテキスト ブロックが他の言語から完全に構造的に独立しているため、ある言語バージョンを編集しても他の言語バージョンにはまったく影響を与えません。英語のテキストの実行とフランス語のテキストの実行は、ファイル内の異なるバイト範囲を占有し、個別に操作できます。
実際には、これは、2 列レイアウトの左列にある英語テキストの段落上に墨消し四角形を描画すると、PDF 墨消しツールはその四角形内に座標が含まれる文字列のみを削除することを意味します。右側の列のフランス語のテキストは、別の座標に安全に置かれていますが、変更されていません。この分離は言語的なものではなく純粋に幾何学的なものですが、幾何学的形状が言語境界と確実に相関しているため、機能します。各ページのどの領域にどの言語が含まれているかを正確に識別できれば、言語ごとに選択的に編集できます。
編集を行う前に言語マップを作成する
言語固有の編集の最も重要な準備手順は、何かを編集する前に文書の完全な言語マップを作成することです。すべてのページを体系的に読み、どのテキスト ブロックがどの言語に属しているかを正確に特定します。並列列レイアウトでは、1 ページから 20 ページまでの左列が言語 A、右列が言語 B であることを文書化します。積み上げレイアウトでは、各ページの上 3 分の 1 が英語、中央 3 分の 1 がスペイン語、下 3 分の 1 が中国語であることに注意してください。セクションごとに言語が切り替わる文書では、各言語セクションのページ範囲をマークします。スプレッドシート、マークアップされたスクリーンショット、または手書きのメモなど、簡単な参照ドキュメントを作成します。このドキュメントは、墨消しプロセス中に参照して、どのテキストがどの言語に属しているかを確認できます。
言語マップは、特定の段落を拡大表示し、編集を適用する前に表示されている言語を確認する必要がある場合に、信頼できる参照として機能します。これにより、最も一般的な言語固有の編集エラー、つまり、作業している言語地域がわからなくなったため、誤って間違った言語でテキストを編集してしまうという事態が防止されます。マップの作成に費やされる時間は、公式文書から間違った言語のテキストが編集された理由を説明しなければならない時間と潜在的な影響に比べれば、取るに足らないものです。
言語識別を支援するためのフォント情報の使用
PDF 形式には言語タグは保存されませんが、各文字実行の詳細なフォント情報が保存され、このフォント データは言語識別の強力なプロキシとして機能します。書記体系が異なれば、根本的に異なるフォント テクノロジが必要になります。以下の表は、一般的なフォント スクリプト タイプと、それらが一般的に表す言語、およびそれぞれの編集に関する考慮事項をマッピングしています。
| フォント スクリプト タイプ | 表現される可能性の高い言語 | キーの編集に関する考慮事項 |
|---|---|---|
| ラテン文字フォント | 英語、フランス語、スペイン語、ドイツ語、イタリア語、ポルトガル語、オランダ語、その他ほとんどの西ヨーロッパ言語 | 特定の言語を視覚的に確認します。文字は言語間で大きく重複しています |
| CJK フォント (SimSun、MS 明朝、Batang) | 中国語（簡体字または繁体字）、日本語、韓国語 | 多くの場合、フォント名はターゲット言語を直接示します |
| アラビア文字フォント | アラビア語、ペルシア語 (ペルシア語)、ウルドゥー語、パシュトゥー語 | 右から左へのテキスト方向。墨消し長方形は RTL レイアウトを考慮する必要があります |
| キリル文字フォント | ロシア語、ウクライナ語、ブルガリア語、セルビア語、マケドニア語 | グリフの形状はこれらの言語間で非常に類似しています。目視確認が必須 |
| デヴァナーガリー文字とインド語フォント | ヒンディー語、マラーティー語、ネパール語、サンスクリット語、その他の南アジアの言語 | 複雑なグリフの形状は墨消し四角形の配置に影響を与える可能性があります |
フォント情報により、言語識別の問題が「世界の 7,000 の言語のどれか」から「この特定の書記体系を使用する少数の言語のどれか」に絞り込まれます。実際のテキスト内容の視覚的検査と組み合わせると、フォントベースの識別は、事実上すべての現実世界の文書で確実に言語固有の編集を行うのに十分な信頼性が得られます。
標準 PDF ツールを使用した言語固有の編集の実行
標準の PDF 墨消しツールには、言語選択機能が含まれていません。 「英語のみを編集」または「フランス語のみを編集」を選択するドロップダウン メニューはありません。編集は、ファイルから永久に削除するコンテンツ上に長方形の領域を描画することによって実行されます。言語固有の編集の場合、これは、同じページの隣接または近くの領域を占める他の言語のテキストを正確に回避しながら、ターゲット言語のテキストのみをカバーする編集長方形を慎重に描画する必要があることを意味します。
英語がページの左側 45 パーセントを占め、フランス語が右側 45 パーセントを占め、その間に明確な溝がある、きれいな並列列レイアウトでは、タスクは管理しやすいものです。英語の列テキストを覆う編集長方形を描画し、フランス語の列は完全にそのままにしておきます。各フィールド ラベルが 3 つの言語で縦に積み重ねられて表示されるフォームなど、言語が交互に配置されているドキュメントでは、タスクでは、少なくとも 200% にズームインし、ターゲット言語の行の上下の行をクリッピングせずにターゲット言語の行のみをカバーする正確な狭い長方形を描画する必要があります。
WukongPDF の PDF Redaction ツールは、真の破壊的編集を実行し、選択したコンテンツを単に黒い四角形で覆うのではなく、PDF ファイル構造から永久に削除します。言語固有の編集を行うには、各ページを少なくとも 200% の倍率でズームインします。墨消しの四角形は慎重に描画し、各四角形がターゲット言語のテキストのみをカバーしていることを確認してください。すべての墨消しを適用した後、通常のズームで文書全体をスクロールし、視覚的な検証パスを実行します。非ターゲット言語のテキストが完全に損なわれておらず、完全に判読可能であり、言語領域間の境界で誤って切り取られた兆候がないことを確認します。
すべての言語バージョンに表示される共有コンテンツの処理
多言語ドキュメントの一部の要素は、その性質上、すべての言語バージョンで共有されます。契約参照番号、訴訟番号、金額、日付、または物件の住所は、翻訳によって変更されない事実であるため、各言語セクションで同じように表示される場合があります。このような共有情報を編集する必要がある場合は、それが表示されるすべての単一言語バージョンで編集する必要があります。英語セクションから編集された事件番号をフランス語セクションに表示したままにしておくと、査読者ならすぐに気づくであろう明らかな有害な不一致が生じます。
共有情報をある言語で保存しながら別の言語で編集する正当な理由がある場合は、その理由を明示的に文書化する必要があります。簡単な付随メモを作成するか、どの言語バージョンが編集されたか、選択的編集の特定の法的または規制上の根拠、および編集の決定が行われた権限を説明するメタデータを PDF 内に埋め込みます。この文書は、選択的削除が編集プロセスにおける見落としやエラーではなく、意図的で正当な決定であったことを証明することで、編集を実行した人物と文書を公開した組織の両方を保護します。
言語固有の編集要件が非常に複雑な複数の管轄区域にまたがる法的枠組みに基づいて定められている文書の場合は、編集を実行する前に法律顧問に相談してください。言語ごとに編集する技術的機能は存在しており、慎重に実行すれば信頼できます。言語ごとに情報を選択的に開示することが法的に適切であるかどうかは別の問題であり、特定の規制の状況に完全に依存します。 Translate PDF の影響も考慮する必要があります。編集されていない言語バージョンのみを読むことができる受信者は、編集されたバージョンに限定されている受信者とは大幅に異なる開示情報セットを受け取る可能性があります。