Meertalige PDF's zijn gebruikelijk in internationale zaken-, overheids- en juridische contexten. Een contract kan in parallelle kolommen op elke pagina in het Engels en het Frans verschijnen, waarbij elke taalversie even juridisch gewicht heeft. Een producthandleiding kan afzonderlijke Engelse, Spaanse en Chinese secties bevatten, elk gericht op een andere regionale markt. Een overheidsformulier kan instructies bevatten in vijf talen, gestapeld op één pagina, zodat één enkel document een hele meertalige bevolking bedient. De uitdaging bij het redigeren van informatie uit zo'n document is fundamenteel complexer dan het redigeren van een pdf in één taal, omdat u weloverwogen, taal-voor-taal beslissingen moet nemen over welke tekst u wilt verwijderen en welke u wilt behouden.
Mogelijk moet u gevoelige tekst in de ene taal verwijderen en tegelijkertijd de identieke informatie in een andere taal bewaren als deze niet als gevoelig wordt beschouwd volgens de openbaarmakingsregels van dat rechtsgebied. Mogelijk moet u alleen de Engelse versie van een persoonlijke naam redigeren en de Franse en Spaanse versie volledig zichtbaar laten, omdat verschillende privacyregels van toepassing zijn op verschillende taalversies van hetzelfde officiële document. Of misschien moet u geheime informatie uit één taalsectie redigeren terwijl u niet-geclassificeerde samenvattingen in andere talen intact laat. Deze scenario's vereisen een redactietechniek die werkt op het niveau van individuele tekstblokken in plaats van op hele pagina's, en die techniek begint met het precies begrijpen hoe meertalige inhoud in een PDF-bestand wordt opgeslagen.
Hoe meertalige tekst wordt opgeslagen in een PDF-document
Een PDF-bestand slaat tekst op als afzonderlijke tekenreeksen, elk gepositioneerd op precieze x- en y-coördinaten op het paginacanvas. Elk teken heeft zijn eigen lettertype-ID, grootte, kleur en exacte plaatsingscoördinaten. Cruciaal is dat het PDF-formaat geen ingebouwd taalconcept heeft. Een blok Engelse tekst en een blok Franse tekst op dezelfde pagina worden nergens in de bestandsstructuur getagd of gelabeld als Engels of Frans. Het zijn eenvoudigweg twee onafhankelijke verzamelingen tekenreeksen die in verschillende delen van de pagina zijn geplaatst, waarschijnlijk weergegeven met verschillende lettertypen die zijn geoptimaliseerd voor de specifieke tekenset en typografische conventies van elke taal.
Deze afwezigheid van taalmetagegevens is, paradoxaal genoeg, zowel het grootste obstakel voor taalspecifieke redactie als het kenmerk dat dit technisch mogelijk maakt. Het is een obstakel omdat geen enkele redactietool automatisch kan identificeren welke tekst tot welke taal behoort door een metadatatag te lezen. Er is geen taalkolom in de interne objecttabel van de PDF. Dit maakt taalspecifieke redactie mogelijk, omdat de volledige structurele onafhankelijkheid van de tekstblokken van elke taal van de andere betekent dat het redigeren van de ene taalversie werkelijk geen invloed heeft op de andere. De Engelse tekstruns en de Franse tekstruns bezetten verschillende bytebereiken in het bestand en kunnen onafhankelijk van elkaar worden gemanipuleerd.
In de praktijk betekent dit dat wanneer u een redactierechthoek tekent over een alinea met Engelse tekst in de linkerkolom van een lay-out met twee kolommen, de PDF-redactietool alleen de tekenreeksen verwijdert waarvan de coördinaten binnen die rechthoek vallen. De Franse tekst in de rechterkolom, veilig op verschillende coördinaten, is onaangeroerd. De scheiding is puur geometrisch, niet taalkundig, maar werkt omdat de geometrie betrouwbaar correleert met de taalgrens. Zolang u nauwkeurig kunt identificeren welke delen van elke pagina welke taal bevatten, kunt u selectief op taal redigeren.
Een taaloverzicht maken voordat u iets redigeert
De allerbelangrijkste voorbereidende stap voor taalspecifieke redactie is het maken van een volledige taalkaart van het document voordat u iets redigeert. Doorloop systematisch elke pagina en identificeer precies welke tekstblokken bij welke taal horen. Documenteer in een lay-out met parallelle kolommen dat de linkerkolom Taal A is en de rechterkolom Taal B op pagina's 1 tot en met 20. Houd er bij een gestapelde lay-out rekening mee dat het bovenste derde deel van elke pagina Engels is, het middelste derde deel Spaans en het onderste derde deel Chinees. In een document waarin talen per sectie worden afgewisseld, markeert u het paginabereik voor elke taalsectie. Maak een eenvoudig referentiedocument, of het nu een spreadsheet, gemarkeerde schermafbeeldingen of handgeschreven notities is, dat u tijdens het redactieproces kunt raadplegen om te bevestigen welke tekst tot welke taal behoort.
De taalkaart dient als uw gezaghebbende referentie wanneer u bent ingezoomd op een specifieke paragraaf en moet verifiëren naar welke taal u kijkt voordat u een redactie toepast. Het voorkomt de meest voorkomende taalspecifieke redactiefout: het per ongeluk redigeren van tekst in de verkeerde taal, omdat je niet meer weet in welk taalgebied je werkte. De tijd die je besteedt aan het maken van de kaart is triviaal vergeleken met de tijd en de mogelijke gevolgen van het moeten uitleggen waarom tekst in de verkeerde taal uit een officieel document is geredigeerd.
Lettertype-informatie gebruiken ter ondersteuning van taalidentificatie
Hoewel het PDF-formaat geen taaltags opslaat, slaat het wel gedetailleerde lettertype-informatie op voor elke tekenreeks, en deze lettertypegegevens kunnen dienen als een krachtige proxy voor taalidentificatie. Verschillende schrijfsystemen vereisen fundamenteel verschillende lettertypetechnologieën. In de onderstaande tabel worden veelgebruikte lettertypescripttypen toegewezen aan de talen die ze doorgaans vertegenwoordigen, en de redactieoverwegingen voor elke taal.
| Scripttype lettertype | Waarschijnlijk vertegenwoordigde talen | Overweging bij het redigeren van sleutels |
|---|---|---|
| Latijnse schriftlettertypen | Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands en de meeste andere West-Europese talen | Controleer visueel welke specifieke taal; karakters overlappen sterk in verschillende talen |
| CJK-lettertypen (SimSun, MS Mincho, Batang) | Chinees (vereenvoudigd of traditioneel), Japans, Koreaans | De lettertypenaam geeft vaak direct de doeltaal aan |
| Arabische schriftlettertypen | Arabisch, Perzisch (Farsi), Urdu, Pashto | Tekstrichting van rechts naar links; redactierechthoeken moeten rekening houden met de RTL-indeling |
| Cyrillische lettertypen | Russisch, Oekraïens, Bulgaars, Servisch, Macedonisch | Glyph-vormen lijken in deze talen sterk op elkaar; visuele verificatie essentieel |
| Devanagari en Indische lettertypen | Hindi, Marathi, Nepalees, Sanskriet en andere Zuid-Aziatische talen | Complexe glyph-vorming kan de plaatsing van de redactierechthoek beïnvloeden |
De lettertype-informatie verkleint het taalidentificatieprobleem van 'welke van de zevenduizend talen in de wereld' tot 'welke van een handjevol talen die dit specifieke schrijfsysteem gebruiken'. In combinatie met visuele inspectie van de daadwerkelijke tekstinhoud is identificatie op basis van lettertypen betrouwbaar genoeg voor betrouwbare taalspecifieke redactie in vrijwel alle echte documenten.
Taalspecifieke redactie uitvoeren met standaard PDF-tools
Standaard PDF-redactietools bevatten geen taalselectiefunctie. Er is geen vervolgkeuzemenu waarin u 'Alleen Engels redigeren' of 'Alleen Frans redigeren' kiest. De redactie wordt uitgevoerd door rechthoekige gebieden te tekenen over de inhoud die u permanent uit het bestand wilt verwijderen. Voor taalspecifieke redactie betekent dit dat u zorgvuldig redactierechthoeken moet tekenen die alleen de tekst in de doeltaal bedekken, terwijl u nauwkeurig tekst in andere talen vermijdt die aangrenzende of nabijgelegen gebieden van dezelfde pagina beslaat.
In een overzichtelijke lay-out met parallelle kolommen, waarbij Engels de linker 45 procent van de pagina in beslag neemt en Frans de rechter 45 procent, met een duidelijke scheidslijn ertussen, is de taak beheersbaar. U tekent redactierechthoeken die de Engelse kolomtekst bedekken en laat de Franse kolom geheel met rust. In documenten waarin talen doorschoten zijn, zoals een formulier waarin elk veldlabel in drie verticaal gestapelde talen verschijnt, vereist de taak dat je inzoomt tot ten minste 200 procent en nauwkeurige, smalle rechthoeken tekent die alleen de doeltaallijn bedekken zonder in de lijn erboven of eronder te knippen.
De tool PDF Redactie van WukongPDF voert een echte destructieve redactie uit, waarbij de geselecteerde inhoud permanent uit de PDF-bestandsstructuur wordt verwijderd in plaats van deze alleen maar te bedekken met een zwarte rechthoek. Voor taalspecifieke redactie zoomt u op elke pagina in tot een vergroting van minimaal 200 procent. Teken uw redactierechthoeken zorgvuldig en controleer of elke rechthoek alleen de tekst in de doeltaal beslaat. Nadat u alle redacties heeft toegepast, bladert u met normale zoom door het hele document om een visuele verificatie uit te voeren. Bevestig dat de tekst in de niet-doeltaal volledig intact en volledig leesbaar is en geen tekenen vertoont van onbedoeld afsnijden op de grenzen tussen taalgebieden.
Omgaan met gedeelde inhoud die in elke taalversie verschijnt
Sommige elementen van een meertalig document worden vanwege hun aard gedeeld door alle taalversies. Een contractreferentienummer, een rechtszaaknummer, een geldbedrag, een datum of een eigendomsadres kunnen in elke taalsectie identiek voorkomen, omdat dit feiten zijn die niet veranderen bij vertaling. Als dergelijke gedeelde informatie moet worden geredigeerd, moet deze worden geredigeerd in elke taalversie waarin deze verschijnt. Het zichtbaar laten van een zaaknummer in de Franse sectie, terwijl het is geredigeerd uit de Engelse sectie, creëert een voor de hand liggende en schadelijke inconsistentie die elke recensent onmiddellijk zal opmerken.
Als er een legitieme reden is om gedeelde informatie in de ene taal te bewaren en deze in een andere taal te redigeren, moet die reden expliciet worden gedocumenteerd. Maak een korte begeleidende notitie of sluit metagegevens in de pdf in waarin wordt uitgelegd welke taalversie is geredigeerd, de specifieke wettelijke of regelgevende basis voor de selectieve redactie en de autoriteit op grond waarvan de redactiebeslissing is genomen. Deze documentatie beschermt zowel de persoon die de redactie heeft uitgevoerd als de organisatie die het document heeft vrijgegeven door vast te stellen dat de selectieve verwijdering een opzettelijke, gerechtvaardigde beslissing was en niet een vergissing of een fout in het redactieproces.
Voor documenten waarbij taalspecifieke redactievereisten worden aangestuurd door werkelijk complexe juridische raamwerken die meerdere jurisdicties omvatten, dient u een juridisch adviseur te raadplegen voordat u de redactie uitvoert. De technische mogelijkheid om per taal te redigeren bestaat en is betrouwbaar als deze zorgvuldig wordt uitgevoerd. De juridische geschiktheid van het selectief openbaar maken van informatie per taal is een aparte vraag die volledig afhangt van de specifieke regelgevingscontext. De implicaties van Translate PDF moeten ook worden afgewogen: een ontvanger die alleen de niet-geredigeerde taalversie kan lezen, ontvangt mogelijk een wezenlijk andere reeks openbaar gemaakte informatie dan een ontvanger die beperkt is tot de geredigeerde versie.