PDFテキストマッピング

Silktideは、PDF内のテキストをテキストとして復元できるかどうかをチェックします。PDFのページには文字が保存されているのではなく、図形を描画するための命令が保存されています。また、各図形がどの文字を表すのかを記録したマッピングがファイル内に別途保存されています。このマッピングがないと、単語は目に見えていても、ソフトウェアでは読み取れません。

こうした図形はと呼ばれ、それぞれがどの文字に対応するかをマッピングが示します。マッピングがなければ、画面上ではどれほど鮮明に見えていても、テキストを読み上げたり、検索したり、コピーしたりできません。

重要な理由

この問題は非常に気付きにくいものです。ページ自体は完璧に見えるからです。テキストは鮮明で、選択でき、美しく印刷できます。ドキュメントを開いても、問題があるとは思えません。それでも、誰かが段落をコピーして貼り付けると文字化けしたり、が意味のない音節を読み上げたり、何も読み上げなかったりします。

ドキュメントを公開する人には見えないため、この問題は、ドキュメントを頼りにする人によって初めて発見される傾向があります。ノイズのような音の連続を聞いた読者には、ドキュメントが壊れているのか、ソフトウェアに問題があるのか判断できません。いずれにしても、コンテンツは失われています。

影響はアクセシビリティだけにとどまりません。抽出できないテキストは、検索エンジンにインデックス登録されず、サイト内検索でも見つからず、翻訳もできず、誰かに引用されることもありません。見た目にははっきり印刷されている語句を検索しても、他はよくできたドキュメントなのに結果が返らないことがあるのは、そのためです。

修正方法

フォントを適切に埋め込んだ状態で、元のファイルから再度エクスポートすると、こうした問題のほとんどが解決します。マッピングはエクスポート処理によって書き込まれるため、現在のツールで再度エクスポートするだけで十分な場合がほとんどです。
PDFへの印刷は避けてください。 印刷ドライバーは最も一般的な原因です。印刷ではページを紙に付ける印として記述し、その背後にあるテキストを破棄するためです。代わりに、アプリケーション独自のエクスポート機能または「PDFとして保存」を使用してください。
アイコンフォントや記号フォントに注意してください。 装飾用フォントやディングバットフォントには、各図形に対応する意味のある文字がないことがよくあります。記号に意味がある場合は、実際の文字または説明付きの画像を使用してください。装飾目的の場合は、としてマークしてください。
マッピングを再構築してもらってください。 Silktideの修正機能は、可能な場合は失われたマッピングを再構築し、マッピングできない部分には正しく読み上げられるテキストを付与します。PDFの修正の仕組みを参照してください。
ページが本当に画像の場合は、テキスト認識を行ってください。 スキャン画像にはマッピングするテキストがないため、必要なのは修復ではなくです。スキャンされたドキュメントを参照してください。

Silktideによるテスト方法

ウェブサイトからリンクされているPDFドキュメントを見つけ、何ページからリンクされているかにかかわらず、各ファイルを一意に識別して1回だけ分析します。
各ページのテキスト描画命令を読み取り、すべてのグリフについて、それが表すとされる文字までたどります。
グリフにUnicode文字への有効なマッピングがない場合、そのドキュメントを報告します。
影響を受けるテキスト量にかかわらず、各ドキュメントを1回だけ報告します。

フォントの欠落文字用プレースホルダーを描画するテキストは、代わりにPDFフォントによって報告されます。この場合の原因はマッピングではなくフォントだからです。

トラブルシューティング

テキストを選択してコピーできるのに、何が問題なのですか？

テキストの選択と復元は別の操作です。ビューアーでは、クリックした領域を選択できます。クリップボードに入るのは、それらのグリフが何を意味するかをマッピングが示した内容です。プレーンテキストエディターに貼り付けてページと比較してください。文字化けして戻ってくる場合は、スクリーンリーダーが受け取るものとまったく同じものを確認しています。

影響を受ける文字が少数だけです

これはよくあることで、それでも修正する価値があります。影響を受ける文字は、ほとんどの場合ランダムではないからです。通常は、特定の目的で使用されている1つのフォントが原因であるため、すべての箇条書き記号、すべての数学記号、またはドキュメント内のすべての分数に被害が及びます。

ドキュメントがフォームです

フォームでは複数のソースからのフォントが混在することが多く、記号フォントで描画されたフィールドラベルが頻繁な原因になります。ラベルと、カスタムのチェックボックスやラジオボタンの文字を確認してください。インタラクティブフォームを参照してください。