多语言 PDF 在国际商业、政府和法律环境中很常见。合同可能会以英语和法语出现在每一页的平行栏中，每种语言版本都具有同等的法律效力。产品手册可能包括单独的英语、西班牙语和中文部分，每个部分针对不同的区域市场。政府表格可能会在一页上提供五种语言的说明，以便单个文档服务于整个多语言人群。从此类文档中编辑信息所面临的挑战从根本上来说比编辑单语言 PDF 更为复杂，因为您必须针对要删除的文本和要保留的文本做出深思熟虑的、逐个语言的决定。
您可能需要删除一种语言的敏感文本，同时保留另一种语言的相同信息，根据该司法管辖区的披露规则，该信息不被视为敏感。您可能只需要编辑个人姓名的英文版本，而使法文和西班牙文版本完全可见，因为不同的隐私法规适用于同一官方文档的不同语言版本。或者，您可能需要编辑一种语言部分的机密信息，同时保留其他语言的未机密摘要。这些场景需要一种在单个文本块而不是整个页面级别运行的编辑技术，而该技术首先要准确理解多语言内容如何存储在 PDF 文件中。
多语言文本如何存储在 PDF 文档中
PDF 文件将文本存储为单个字符运行，每个字符位于页面画布上精确的 x 和 y 坐标处。每个字符都有自己的字体标识符、大小、颜色和确切的放置坐标。重要的是，PDF 格式没有内置的语言概念。同一页面上的英语文本块和法语文本块在文件结构中的任何位置都不会被标记为英语或法语。它们只是位于页面不同区域的两个独立的字符运行集合，可能使用针对每种语言的特定字符集和印刷约定进行优化的不同字体来呈现。
矛盾的是，缺乏语言元数据既是特定语言编辑的最大障碍，也是使其在技术上成为可能的功能。这是一个障碍，因为没有编辑工具可以通过读取元数据标签自动识别哪个文本属于哪种语言。 PDF 的内部对象表中没有语言列。这使得特定于语言的编辑成为可能，因为每种语言的文本块在结构上完全独立于其他语言，这意味着编辑一种语言版本实际上不会影响另一种语言版本。英文文本运行和法文文本运行在文件中占用不同的字节范围，并且可以独立操作。
实际上，这意味着当您在两列布局的左列中的一段英文文本上绘制密文矩形时，PDF 密文工具仅删除坐标落在该矩形内的字符串。右栏中的法文文本安全地位于不同的坐标处，未受到任何影响。这种分离纯粹是几何的，而不是语言的，但它之所以有效，是因为几何与语言边界可靠地相关。只要您能够准确识别每个页面的哪些区域包含哪种语言，您就可以按语言有选择地进行编辑。
在进行任何编辑之前创建语言地图
特定于语言的修订最重要的准备步骤是在修订任何内容之前创建文档的完整语言映射。系统地浏览每一页并准确识别哪些文本块属于哪种语言。在平行列布局中，记录第 1 至 20 页左列是语言 A，右列是语言 B。在堆叠布局中，请注意每页的顶部三分之一是英语，中间三分之一是西班牙语，底部三分之一是中文。在语言按部分交替的文档中，标记每个语言部分的页面范围。创建一个简单的参考文档，无论是电子表格、标记的屏幕截图还是手写笔记，您都可以在编辑过程中查阅该文档，以确认哪些文本属于哪种语言。
当您放大特定段落并需要在应用密文之前验证您正在查看的语言时，语言地图可作为您的权威参考。它可以防止最常见的特定于语言的编辑错误：意外地用错误的语言编辑文本，因为您忘记了正在使用的语言区域。与必须解释为什么从官方文档中编辑错误语言的文本所需的时间和潜在后果相比，创建地图所花费的时间微不足道。
使用字体信息辅助语言识别
虽然 PDF 格式不存储语言标签，但它确实存储每个字符运行的详细字体信息，并且此字体数据可以作为语言识别的强大代理。不同的书写系统需要根本不同的字体技术。下表将常见字体脚本类型映射到它们通常代表的语言以及每种字体的编辑注意事项。
| 字体脚本类型 | 可能代表的语言 | 关键编辑注意事项 |
|---|---|---|
| 拉丁文字字体 | 英语、法语、西班牙语、德语、意大利语、葡萄牙语、荷兰语和大多数其他西欧语言 | 目视验证是哪种特定语言；不同语言中的字符严重重叠 |
| CJK 字体（SimSun、MS Mincho、Batang） | 中文（简体或繁体）、日语、韩语 | 字体名称通常直接指示目标语言 |
| 阿拉伯文字字体 | 阿拉伯语、波斯语（波斯语）、乌尔都语、普什图语 | 从右到左的文本方向；密文矩形必须考虑 RTL 布局 |
| 西里尔字母字体 | 俄语、乌克兰语、保加利亚语、塞尔维亚语、马其顿语 | 这些语言的字形形状非常相似；目视验证必不可少 |
| 天城文和印度文字体 | 印地语、马拉地语、尼泊尔语、梵语和其他南亚语言 | 复杂的字形形状可能会影响密文矩形的放置 |
字体信息将语言识别问题从“世界七千种语言中的哪一种”缩小到“使用这种特定书写系统的少数语言中的哪一种”。当与实际文本内容的视觉检查相结合时，基于字体的识别足够可靠，可以在几乎所有现实世界文档中自信地进行特定于语言的编辑。
使用标准 PDF 工具执行特定于语言的编辑
标准 PDF 编辑工具不包含语言选择器功能。没有下拉菜单供您选择“仅编辑英语”或“仅编辑法语”。通过在要从文件中永久删除的内容上绘制矩形区域来执行密文。对于特定于语言的密文，这意味着您必须仔细绘制仅覆盖目标语言文本的密文矩形，同时精确避免占用同一页面的相邻或附近区域的其他语言的文本。
在干净的平行列布局中，英语占据页面左侧 45%，法语占据页面右侧 45%，并且它们之间有清晰的装订线，该任务是可以管理的。您绘制遮盖英语栏文本的密文矩形，而完全保留法语栏。在语言交错的文档中，例如每个字段标签以三种垂直堆叠的语言出现的表单，该任务需要放大到至少 200% 并绘制精确、狭窄的矩形，仅覆盖目标语言行，而不剪裁到其上方或下方的行。
WukongPDF 的PDF 编辑 工具执行真正的破坏性编辑，从 PDF 文件结构中永久删除所选内容，而不是仅仅用黑色矩形覆盖它。对于特定于语言的修订，每个页面至少放大 200%。小心绘制密文矩形，验证每个矩形仅覆盖目标语言文本。应用所有密文后，以正常缩放滚动浏览整个文档以执行视觉验证。确认非目标语言文本完整无缺、完全清晰，并且在语言区域之间的边界处没有意外剪切的迹象。
处理出现在每种语言版本中的共享内容
多语言文档的某些元素因其性质而在所有语言版本之间共享。合同参考编号、法院案件编号、金额、日期或财产地址可能会在每个语言部分中出现相同的内容，因为这些事实不会因翻译而改变。如果必须对此类共享信息进行编辑，则必须对其出现的每种语言版本进行编辑。在法语部分留下一个可见的案例编号，而它已从英语部分中删除，会造成明显且具有破坏性的不一致，任何审阅者都会立即注意到。
如果有正当理由以一种语言保留共享信息，同时以另一种语言编辑共享信息，则必须明确记录该原因。创建简短的附注或在 PDF 中嵌入元数据，解释编辑的语言版本、选择性编辑的具体法律或监管依据以及做出编辑决定的机构。该文档通过确定选择性删除是经过深思熟虑、合理的决定，而不是编辑过程中的疏忽或错误，来保护执行编辑的人员和发布文档的组织。
对于特定语言的修订要求是由真正复杂的多司法管辖区法律框架驱动的文档，请在执行修订之前咨询法律顾问。按语言进行编辑的技术能力是存在的，并且在仔细执行时是可靠的。通过语言有选择地披露信息的法律适当性是一个单独的问题，完全取决于具体的监管环境。还应权衡翻译 PDF的影响：只能阅读未编辑语言版本的接收者可能会收到与仅限于编辑版本的接收者截然不同的一组披露信息。