PDF を開いて同じページが 2 回繰り返されている場合、または 10 ページの文書が各ページが重複して 20 ページ表示されている場合は、PDF ファイル自体に構造的な問題があることを示しています。重複が意図的に行われることはほとんどありません。通常、この問題は、マージ操作の欠陥、スキャナが 2 枚のシートを一度に送り、それぞれを 2 回キャプチャしたこと、オフィス スイートからの変換の不具合、またはレンダラーが各ページ参照を 2 回表示する原因となった PDF の内部ページ ツリーの破損に遡ります。
通常、修正は簡単です。しかし、それは原因によります。
PDF 修復 のアプローチは、重複が発生した理由を特定することから始まります。原因によっては、単純なページの削除に反応するものもあります。他のものでは、PDF の相互参照テーブルを再構築するか、ソース アプリケーションから再エクスポートする必要があります。 WukongPDF の修復およびマージ ツールは、特殊なソフトウェアを使用せずにほとんどのケースを解決できますが、根本原因を理解することは、クリーンなドキュメントへの最速のパスを選択するのに役立ちます。
そもそも PDF ページが重複する理由
重複したページ コンテンツは通常、4 つのソースのいずれかに由来します。スキャナーの紙送りミスがリストの最上位にあります。2 枚のシートが一緒に自動ドキュメント フィーダーを通過し、スキャナーが両方を 1 つの画像としてキャプチャし、次のシートが 2 ページ目を再度キャプチャします。結合ツールのエラーは、PDF を結合し、誤って同じソース ファイルを 2 回含めた場合、またはツールのページ範囲設定が重複した場合に発生します。 PDF の内部オブジェクト構造内のページ ツリー参照が破損していると、ビューアは複数のページ ラベルの下に同じページ オブジェクトをレンダリングします。リストの最後に挙げるのは、オフィス スイートのエクスポート バグ、特に古いバージョンの Microsoft Word および LibreOffice からのバグで、各ページ参照が PDF 出力に 2 回書き込まれることがあります。
適切なカテゴリを正確に指定すると時間を節約できます。スキャナーの複製は、2 つのキャプチャ間にわずかな回転や傾きの違いがある可能性がありますが、同一のイメージ コピーのように見えます。結合重複は同じソース データを参照するため、ピクセルが同一です。エクスポートされた複製には同じテキストとレイアウトが表示されますが、コピー間でフォントのレンダリングがわずかに異なる場合があります。破損した複製は奇妙に表示されることがよくあり、一方のコピーは正しくレンダリングされ、もう一方のコピーには部分的なコンテンツまたは文字化けしたコンテンツが表示されます。カテゴリを正確に特定すると、別の根本原因に向けたアプローチに時間を無駄にすることなく、適切な修復方法を導き出すことができます。各カテゴリには特徴的な外観があり、何を探すべきかがわかれば、チェックするのに数秒しかかかりません。
ページを 1 つおきに削除して重複ページを削除する
交互に複製すると、最も速く修正できます。 Adobe Acrobat のページ整理ツールを使用すると、サムネイル ビューで偶数ページを選択し、1 回の操作でそれらを削除できます。 Ctrl または Command を押しながら偶数番号の各サムネイルをクリックし、Delete キーを押します。残りのページは固有のセットです。これが機能するのは、交互パターンにより、すべての偶数ページが先行する奇数ページのコピーであることが保証されるためです。
スキャンされた文書では、このまさに交互のパターンが頻繁に示されます。両面スキャナは、各物理ページを順番に 2 回キャプチャしました。多くのオフィス スキャナには、これを防ぐ [白紙ページのスキップ] または [両面検出] 設定がありますが、これらの設定がオフの場合、交互の重複パターンが予測可能な結果になります。代替ページの一括削除により、200 ページのスキャンが 1 分以内に修正されます。削除後にサムネイル グリッドをざっと見て、保存する前にページが誤って削除されていないことを確認します。 200 ページの文書の真ん中に 1 ページ欠けていると、サムネイル表示では見落としがちです。
パターンが不規則な場合のページの重複排除
クラスター化された重複には別のアプローチが必要です。同じ 3 ページのメモを誤って 2 回含めた結合では、全体で交互にではなく、特定の位置にグループ化された重複が生成されます。サムネイル パネルを開き、同一またはほぼ同一のサムネイルを探します。コピーを個別に選択して削除します。長い文書であっても、多様性が期待される狭いグループ内で同じページ レイアウトが繰り返されるため、クラスター化された重複が視覚的に目立ちます。
ページ数が多すぎて手動で確認できない文書には、自動化が必要です。一部の PDF ツールには、ページ コンテンツのハッシュを比較することによって正確な重複ページを検出して削除する Fix PDF 機能が含まれています。この自動化されたアプローチは、出現場所に関係なく、ピクセルが同一の重複を捕捉します。分割と再マージは別の方法を提供します。つまり、PDF を管理可能なチャンクに分割し、各チャンクから明らかな重複を削除し、クリーンアップされたセグメントを再マージします。この分割統治戦略は、深夜のマージ セッション中に 2 回追加された付録など、予測可能なセクションに重複が集中する場合にうまく機能します。
1 つの画面上ですべてのページのサムネイルをビジュアル グリッド ビューで表示すると、パターン認識によって重複したクラスターを即座に飛び出すことができます。人間の目は、グリッド内の繰り返し画像を非常に速く見つけます。特に 100 ページ以上の文書の場合、直線状のサムネイル パネルをスクロールするよりも速い場合があります。
| 重複パターン | 考えられる原因 | 最速の修正 |
|---|---|---|
| 交互（1=2、3=4、5=6） | スキャナの両面紙詰まり | 1 回の操作ですべての偶数ページを削除します |
| クラスター化 (5 ～ 7 ページ = 12 ～ 14 ページ) | マージ中の誤った再組み込み | クラスタの視覚的スキャン + 手動削除 |
| ランダムに散在する重複 | 複数のマージ パスまたはエクスポートのバグ | 自動化ツールによるコンテンツハッシュの重複排除 |
| 1 つのコピーは文字化けしており、もう 1 つはきれいです | ページツリーの破損 | 文字化けしたコピーを削除し、PDF を再保存します |
PDF 構造の破損による重複の修正
ページ ツリー レベルでの破損は、より深刻な問題を引き起こします。 PDF の内部カタログには、論理ページ番号をコンテンツ オブジェクトにマップする階層ページ ツリーが含まれています。このツリーに重複したエントリや壊れた参照がある場合、ツリーがどのように破損しているかに応じて、ビューアは同じコンテンツ オブジェクトを複数回レンダリングするか、部分的なコンテンツを表示します。親ノードでの破損はすべての子孫ページに影響し、章全体が重複したり、正しく表示されなくなったりします。 UI を通じて重複ページを削除しても、症状が解消されるだけです。損傷した木はそのまま残り、後で他の問題を引き起こす可能性があります。
ページ ツリーを再構築することが永続的な修正です。 Adobe Acrobat の「最適化された PDF として保存」は、ファイル構造全体を書き換えるため、多くの場合、ページ ツリーの破損は自動的に解決されます。 PostScript にエクスポートし、PDF に再抽出すると、内部構造が最初から完全に再生成されますが、フォントや透明度が変更される可能性があります。両方の方法に抵抗するファイルの場合、総当たりフォールバックとして、各固有のページを画像として抽出し、それらを新しい PDF に再結合します。テキスト、ハイパーリンク、メタデータは失われるため、後で OCR を実行して検索可能性を復元します。この核攻撃のオプションは常に機能しますが、データ損失を考慮して最後の手段としてください。
修復の検証と再発防止
修復後、サムネイル表示で文書全体をスクロールします。ページ数を元の予想数と比較します。複製前のオリジナルが 120 ページで、修復されたファイルが 120 ページであれば、修正は機能しました。 115 ページということは、一部の固有のページが重複ページとともに誤って削除されたことを意味します。簡単なカウントと、最初、中間、および最後での視覚的なスポットチェックにより、両方のタイプのエラーを検出できます。
予防は修復よりもはるかに少ない労力で済みます。すべてのバッチ スキャン ジョブに対して、スキャナの重送検出と両面検出をオンにします。 「結合」をクリックする前に、マージ ツールでファイル リストを確認し、ソース ファイルが 2 回表示されていないことを確認します。重複バグが発生する場合があるサードパーティの印刷ドライバーではなく、アプリケーションの組み込みの PDF として保存機能を使用して PDF にエクスポートします。出力の 30 秒間の事前チェックにより、ソース ドキュメントが開いたままであり、再エクスポートが簡単である間に、ほとんどの重複の問題が検出されます。結合時に、重複したコンテンツを黙って含めるのではなく警告する設定ツール。この機能は最新の PDF プラットフォームで利用できるようになってきており、使用するツールを選択する際に注目する価値があります。