PDFの読み上げ順序とは?
読み上げ順序とは、プログラムがページ上のテキストをたどる順番のことです。人間はレイアウトを見て、まず見出し、次に左の段、続いて右の段、写真のキャプションはその写真のもの、と自然に理解します。しかしPDFファイル自体にはその理解がありません。単語はページ上の決まった位置に置かれているだけで、保存される順番もページの意味ではなく、レイアウトソフトの都合で決まっていることが少なくありません。
順序が崩れやすい場面
ページが1段だけの連続した文章でない場合に問題が起こります。2段組みの記事では、左の段の先頭からコピーしたつもりが右の段の先頭に飛ぶことがあります。囲み記事、脚注、ヘッダーやフッター、表のセルが文の途中に割り込むこともあります。スキャンした書類では、文字認識がブロックをどう推定したかで結果が変わり、見た目がきれいなページでも、取り出したテキストの並びがばらばらになることがあります。
コピー以外にも影響する理由 / 自分で確かめる方法
並びの問題は、テキストを順に読むあらゆる処理に引き継がれます。改行で分かれたフレーズの検索、編集できる文書への変換、要約、翻訳、スクリーンリーダーによる読み上げなどです。ページを音声で聞く人は、この順序のとおりに内容を聞くことになるため、順序の誤りはアクセシビリティの問題にもなります。 ブラウザで数段落を選択し、プレーンテキストのエディタに貼り付けてみてください。文が自分で読む順番どおりに並んでいれば、構造は信頼できます。段が混ざっていれば構造は弱く、変換後のコピーには手作業の修正が必要です。1段組みで通常の見出しだけのページは、ほとんどの場合問題なく動作します。
AuraDocでできること
PDF をテキストに変換は各ページの単語をプレーンテキストに取り出し、PDF を Word に変換はブロックを入れ替えられる編集可能な文書を作り、PDFのOCRはスキャンページの文字を認識して選択できるようにします。複雑なレイアウトは結果をページと見比べて確認してください。どの結果も新しいファイルとして出力され、元のファイルは変更されません。
この用語を使うツール
この用語が出てくるガイド
よくある質問
- PDFからコピーした文章の順番がばらばらなのはなぜ?
- ファイルは単語を話の順番ではなくページ上の位置で保持しています。段組み、囲み記事、表があると、保存順が人間の読む順番と異なることがあります。
- スキャンしたページにも読み上げ順序はありますか?
- 文字認識を行った後にのみ存在します。この工程でページがブロックに分けられて順番が決まりますが、特殊なレイアウトでは順番を誤ることがあります。
- 全部打ち直さずに順序を直せますか?
- 多くの場合は直せます。編集可能な形式に変換すればブロック単位で入れ替えられ、打ち直すより速く済みます。1段組みのページには修正は不要です。