PDF может выглядеть аккуратно на экране и при этом менять смысл при копировании текста или чтении экранным диктором. Поэтому проверка перевода не заканчивается на вопросе «все ли строки поместились на страницу».
Переведенный файл нужно проверить как минимум в трех режимах: глазами, через извлеченный текст и по структуре документа. Такая проверка помогает заметить не только обрезанные строки и съехавшие таблицы, но и ошибки распознавания, неверную последовательность блоков, пропавшие символы и поля, которые невозможно пройти с клавиатуры.
Что именно означает проверка верстки PDF¶
Проверка верстки переведенного PDF - это сопоставление содержимого, визуального расположения и логики чтения документа. Эти три стороны связаны, но ни одна не заменяет две остальные.
Визуальная проверка отвечает на вопросы: помещается ли текст, не исчезли ли изображения, сохранены ли заголовки, таблицы и поля. Проверка содержимого помогает найти пропуски, неверные имена и числа. Проверка структуры показывает, соответствует ли порядок чтения реальной логике страницы, особенно для программ экранного доступа.
У PDF есть важная особенность: страница может хранить текст как отдельные фрагменты, расставленные по координатам, а не как привычные абзацы и таблицы редактируемого документа. В результате визуальная композиция может выглядеть правильной, хотя извлеченный текст идет в неожиданной последовательности. Обычное копирование страницы в текстовый редактор иногда выявляет эту проблему, но оно не всегда достаточно для сложных макетов.
В размеченном PDF порядок чтения в первую очередь определяется порядком тегов в дереве структуры. Одного визуального вида недостаточно, чтобы подтвердить, что этот порядок задан верно. W3C описывает принцип порядка чтения PDF и приводит пример многостолбцовой страницы, где программа может читать строки сверху вниз через обе колонки, хотя человек ожидает чтение одной колонки за другой.
Для команды перевода это означает простой рабочий принцип: просмотр страницы и проверка извлеченного текста должны идти рядом. Если файл содержит формы или предназначен для людей, использующих клавиатуру и экранный диктор, проверяйте также структуру тегов и последовательность фокуса.
Полезно отделять четыре вида дефектов:
- Ошибки содержания: пропуски, дублирование, неверно распознанные символы, имена, даты и числовые значения.
- Ошибки макета: текст вышел за границы блока, сноска наложилась на основной текст, таблица разорвалась или подпись оторвалась от изображения.
- Ошибки чтения: текст извлекается в неправильной последовательности, колонки смешиваются, поле формы выпадает из логического потока.
- Ошибки отображения: не хватает глифов в шрифте, знаки заменились пустыми прямоугольниками, смешанное направление письма переставило цифры или знаки препинания.
Одна страница может содержать несколько таких проблем. Например, распознанная таблица может визуально выглядеть ровно, но при копировании сначала отдавать значения правой колонки, затем заголовки и только потом названия строк. Если проверять только внешний вид, ошибка останется незамеченной.
Как проверить переведенный PDF: последовательность действий¶
Постраничная проверка работает лучше, когда у нее есть фиксированный маршрут. Иначе проверяющий быстро начинает замечать оформление и пропускать содержание или, наоборот, читает текст, не замечая сдвига блоков.
Подготовьте исходник и зафиксируйте условия сравнения¶
Соберите исходный PDF, переведенный PDF и, если он есть, редактируемый файл автора. Проверьте, что сравниваете одинаковые версии документа: совпадают страницы, приложения, таблицы и видимые примечания. Если исходник обновляли после начала перевода, часть расхождений может объясняться не версткой, а разным содержанием версий.
Запишите для команды простое правило: что в этом проекте считается допустимым изменением. Например, перевод может занимать больше места, чем оригинал, но не должен уменьшать шрифт до нечитаемого размера или отодвигать подпись от соответствующего поля. Допустимые переносы строк тоже лучше определить заранее: перевод не обязан повторять каждую строку оригинала, если смысл и иерархия блоков сохранены.
Если доступен исходный файл автора, он может помочь восстановить структуру, которую PDF передает плохо. В обсуждении на форуме сообщества RWS участник советовал по возможности получить редактируемый оригинал, а не обрабатывать PDF напрямую. Это практическое предпочтение, а не универсальное требование: иногда исходник недоступен или уже не соответствует выданному PDF.
Сравните страницы, а не только общий объем¶
Просматривайте оригинал и перевод рядом, страница за страницей. Для каждой страницы сравните крупные смысловые блоки: заголовок, основной текст, таблицу или рисунок, подписи, сноски и колонтитулы. Одинаковое количество страниц само по себе ничего не доказывает: строка могла пропасть, а другой блок - перейти на следующую страницу.
Инструмент сравнения PDF может подсветить отличия между версиями и ускорить поиск измененных областей. В справке Adobe о сравнении двух PDF описан такой способ сопоставления. Используйте автоматическую подсветку как указатель, а не как финальное решение: инструмент не понимает, правильно ли переведено предложение и соответствует ли новый порядок чтения смыслу документа.
Для визуального прохода отметьте на каждой странице:
- соответствуют ли заголовки и подзаголовки исходной иерархии;
- не обрезаны ли последние строки абзацев и нижние части символов;
- остались ли на месте изображения, подписи и выноски;
- видны ли верхние и нижние колонтитулы;
- совпадает ли номер страницы с фактической последовательностью;
- не оказались ли сноски далеко от упоминаний в тексте;
- не пересекаются ли текст, линии таблицы, печати и подписи.
Проверяйте не только страницу целиком, но и места плотной верстки при увеличении. Мелкий дефект внизу таблицы или возле поля формы легко теряется при просмотре общего вида.
Проверьте полноту и точность текста¶
Извлеките текст из переведенного PDF и сопоставьте его с переводом, который должен был попасть в макет. Такой проход помогает заметить слова, потерянные при конвертации, повторившиеся фрагменты и замену букв похожими символами.
В обсуждении на форуме RWS переводчик, работавший с PDF с английского на греческий, сообщил о проблемах распознавания исходного текста: некоторые символы после импорта заменялись другими. Там же описывались нарушения сегментации, смещение текста с первой страницы на вторую и плохие интервалы в готовом файле. Сообщение и ответы на форуме показывают, почему проверять только итоговую картинку недостаточно: ошибка могла появиться еще при извлечении оригинала.
Сверяйте элементы, которые легко исказить при распознавании или переносе:
- имена людей, компаний и организаций;
- даты, номера договоров, счета и идентификаторы;
- отрицания, единицы измерения и обозначения валют;
- маркеры списка, примечания и ссылки на приложения;
- символы валют, математические знаки и специальные буквы;
- текст на печатях, в подписях и небольших подписях к иллюстрациям.
Не ограничивайтесь поиском «похожих слов». Например, похожие по начертанию символы из разных алфавитов могут выглядеть одинаково, но отличаться в извлеченном тексте. Для важных имен и идентификаторов сравнивайте строку посимвольно с источником.
Проверьте порядок чтения и поля¶
Извлечение текста полезно не только для поиска пропусков. Посмотрите, в какой последовательности PDF отдает заголовок, основной текст, таблицы, сноски, боковые блоки и поля. Для сложной страницы отдельно проверьте, что логика чтения не перескакивает между колонками и не уводит читателя в подпись до того, как он увидел основной текст.
W3C отмечает, что страницы со сложной композицией, графикой, таблицами, сносками, боковыми панелями и полями форм могут получить неправильный порядок чтения при преобразовании в размеченный PDF и потребовать исправления. Проверка экранным диктором или инструментом чтения вслух помогает услышать реальную последовательность, а не только представить ее по внешнему виду.
Для интерактивного PDF дополнительно пройдите все элементы клавишей Tab. Последовательность переходов должна соответствовать логике документа; W3C формулирует это так:
The tab order must reflect the logical order of the document.
Иными словами, пользователь клавиатуры должен переходить по элементам в понятном порядке, а не прыгать между полями, которые визуально находятся в разных частях формы.
Форма требует отдельной проверки: поле должно появляться в логичной последовательности относительно окружающего текста. По данным техники W3C для порядка чтения PDF, поля могут отсутствовать в размеченном содержимом или занимать неправильное место в структуре документа. Поэтому осмотрите форму визуально, проверьте ее извлеченный текст и пройдите фокусом с клавиатуры.
Оцените шрифты, переносы и плотность текста¶
Переведенный текст часто отличается длиной от оригинала. Из-за этого прежняя ширина колонок и размеры текстовых блоков могут перестать работать. Ищите не только очевидное переполнение, но и компенсирующие его изменения: чрезмерно уменьшенный шрифт, слишком плотный межстрочный интервал, тесные поля или неестественные переносы.
Проверьте, что все буквы и специальные знаки отображаются корректно. Замена символа пустым квадратом, пропавший диакритический знак или неожиданная подстановка шрифта могут сделать важное имя нечитаемым. Если в документе используются несколько гарнитур, проверяйте разные участки, а не только основной текст: заголовки, подписи и сноски иногда набраны отдельными шрифтами.
Внимательно осмотрите места, где длинная фраза соседствует с короткой меткой или значением: ячейки таблиц, поля форм, боковые подписи и колонтитулы. Такие участки первыми обнаруживают нехватку места. Увеличение высоты строки может помочь, но способно сдвинуть содержимое ниже или разорвать таблицу между страницами.
Инструмент предварительной проверки PDF может помочь обнаружить технические проблемы файла. В справке Adobe о Preflight описан анализ PDF перед выпуском. Технический отчет не заменяет чтение человеком: он не подтверждает точность перевода и не решает, выглядит ли перенос заголовка логично.
Особые проверки: таблицы, несколько колонок и письмо справа налево¶
Макеты с несколькими слоями информации требуют разных проверок. Универсальный просмотр каждой страницы не всегда замечает, что таблица читается по строкам вместо столбцов, а смешанный текст справа налево отображается в неожиданном порядке.
Таблицы и многостолбцовые страницы¶
Начните с визуальной структуры: проверьте заголовки колонок, границы ячеек, выравнивание значений и повторение шапки на продолжении таблицы. Посмотрите, не перешли ли название строки и ее значение на разные страницы. Сверьте итоговые строки и примечания с соответствующими колонками.
Затем проверьте порядок извлечения. У таблицы может быть правильная сетка, но текстовый поток способен соединить значения соседних ячеек или прочитать сначала все строки одной колонки. Для многостолбцовых страниц риск похож: зритель читает глазами колонку за колонкой, а программа воспринимает блоки в другом порядке.
W3C описывает случай, когда многостолбцовый документ без правильных тегов может читаться сверху вниз через обе колонки, словно они образуют одну колонку. Поэтому сравните визуальный просмотр с извлеченным текстом или чтением экранным диктором. Для простого макета достаточно проверить несколько показательных страниц; сложные таблицы, перекрестные ссылки и сноски проверяйте отдельно.
When the reading order is not correct, keyboard and assistive technology users may not be able to understand the content.
Перевод: «Когда порядок чтения задан неправильно, пользователи клавиатуры и вспомогательных технологий могут не понять содержание». Эта мысль из техники W3C PDF3 важна и для обычной проверки: неправильная последовательность способна запутать не только экранный диктор, но и человека, который копирует данные из PDF в другую систему.
PDF с письмом справа налево¶
В документах на арабском или иврите проверяйте не только направление абзацев. В одном фрагменте могут соседствовать RTL-текст, цифры слева направо, английские слова и знаки препинания. Направление отображения зависит от свойств символов и контекста, поэтому визуальный результат нельзя считать правильным только потому, что весь абзац выровнен по правому краю.
Алгоритм двунаправленного текста Unicode объясняет, что символы интерпретируются в логическом порядке, а порядок отображения зависит от направленности символов. В отчете также описаны смешанные фрагменты, в которых могут встречаться цифры слева направо и встроенные английские слова.
Проверяйте такие сочетания как цельные визуальные единицы:
- даты и номера документов;
- числа рядом со знаками препинания;
- латинские имена внутри RTL-предложения;
- адреса, электронную почту и веб-адреса;
- скобки, кавычки, двоеточия и тире;
- номера пунктов и ссылки на статьи договора.
После визуального осмотра скопируйте фрагмент и проверьте порядок символов в текстовом редакторе. Unicode указывает, что управляющие символы направления могут менять отображение текста, но не должны участвовать в сравнении слов, разборе и числовом анализе. Значит, проверка должна различать порядок отображения и логическую последовательность данных.
Если отдельная строка выглядит неоднозначно, проверьте ее в контексте всего абзаца и рядом с исходником. Не исправляйте направление случайной перестановкой символов: сначала установите, что именно хранится в логической последовательности, а что только отображается по правилам двунаправленного текста.
Сканированные страницы и распознавание¶
Сканированный PDF содержит изображения страниц, а не готовые текстовые абзацы. Для перевода текст нужно распознать, а затем встроить в новый макет. Ошибка может возникнуть до верстки: символ прочитан неверно, строка пропущена или печать принята за часть текста.
Проверяйте распознанный текст по оригиналу до того, как сосредоточитесь на внешнем виде перевода. Сравните все цифры, имена и короткие пометки; отдельно посмотрите на рукописные даты, печати и подписи. Даже хорошо выглядящая страница не подтверждает, что исходное содержимое распознано верно.
В обсуждении на форуме RWS участник описывал ручную проверку результата распознавания в Word и последующую правку оформления, когда редактируемого оригинала не было. Это опыт отдельного пользователя, а не обязательный стандарт работы. Для проверки он подсказывает полезный порядок: сначала сверить распознанный исходный текст, затем исправить его структуру, после чего оценивать переведенный макет.
Когда достаточно визуального просмотра, а когда нужна проверка структуры¶
Глубина проверки зависит от того, как документ будут читать и использовать. Для короткого файла без колонок и интерактивных элементов визуального сравнения и проверки извлеченного текста может хватить. Для многостолбцового документа, таблиц, сносок и форм добавляйте проверку порядка чтения.
Визуальная проверка особенно полезна, когда задача связана с плотной версткой: нужно найти наложение текста, обрезанный блок, пустую ячейку или неподходящий шрифт. Извлечение текста нужно, когда важны полнота, последовательность, копирование данных или возможность читать документ вспомогательными технологиями. Проверка тегов и клавиатурного фокуса нужна для размеченных и интерактивных PDF.
Техника PDF3 от W3C относится к размеченным PDF. W3C также уточняет, что ее примеры не задают единственный обязательный метод, если нормативные требования WCAG выполняются другим способом. Поэтому не превращайте один конкретный способ тестирования в универсальное правило: выбирайте проверки по назначению документа и тому, как аудитория с ним взаимодействует.
Стандарт ISO 32000-2:2020 для PDF 2.0 дает технический контекст формата, а ISO 17100:2015 описывает требования к переводческим услугам. Ссылки на стандарты не заменяют приемку конкретного файла: финальная проверка все равно должна сопоставить конкретный перевод с исходником и требованиями проекта.
Рабочий чек-лист перед выпуском файла¶
Сохраните этот список рядом с заданием и отмечайте пункты по каждой странице. Если документ содержит повторяющиеся страницы одного типа, сначала проверьте образцы, а затем уделите особое внимание исключениям: первой и последней странице, продолжениям таблиц, приложениям и формам.
- Версии совпадают. Исходник и перевод относятся к одной редакции документа, включая приложения и примечания.
- Содержимое полное. Нет пропущенных или продублированных абзацев, заголовков, подписей, сносок и значений таблиц.
- Критичные данные сверены. Имена, числа, даты, номера, единицы измерения и ссылки сопоставлены с источником.
- Макет не обрезан. Текст помещается в блоки; колонтитулы, подписи и изображения видны; строки и таблицы не сталкиваются.
- Шрифты отображаются. Нет пустых прямоугольников, пропавших знаков и неожиданной замены букв.
- Порядок чтения понятен. Колонки, таблицы, сноски и боковые панели идут в логической последовательности при извлечении текста или чтении диктором.
- Формы работают. Поля находятся рядом с соответствующими метками и доступны в ожидаемой последовательности Tab.
- Направление письма проверено. В RTL-фрагментах цифры, даты, пунктуация и латинские слова не меняют смысл и порядок.
- Техническая проверка завершена. При необходимости выполнен анализ PDF, а его результаты проверены человеком.
Если один пункт не применим к документу, отметьте его как неприменимый, а не пропускайте без объяснения. Такой журнал помогает следующему проверяющему понять, какие именно риски команда оценила.
Распространенные ошибки при приемке¶
Ограничиться просмотром миниатюр. Миниатюры хорошо показывают пропавшую страницу или общий сбой, но плохо подходят для проверки мелких символов, переносов и таблиц. После общего осмотра увеличьте каждую страницу с плотным содержимым.
Считать одинаковое число страниц доказательством совпадения. Перевод может уместиться в прежнее число страниц, если часть текста исчезла или стала нечитаемо мелкой. Сверяйте содержание и читаемость, а не только нумерацию.
Проверить текст в одном месте и макет в другом. Точный текст может стоять не возле своей подписи, а аккуратный блок может содержать неправильное имя. Соединяйте визуальную проверку с посимвольной сверкой важных данных.
Считать копирование всей страницы достаточной проверкой. При сложной структуре скопированный фрагмент может смешать колонки или переставить элементы. Сверяйте порядок с расположением на странице, а при необходимости включайте экранный диктор.
Исправлять только внешний вид. Сдвиг блока или уменьшение шрифта может скрыть источник проблемы, но не исправить неверно распознанное слово. Сначала установите, на каком этапе возник дефект: распознавание, извлечение, перевод или верстка.
Игнорировать поля и небольшие элементы. Именно поля формы, подписи, колонтитулы и сноски часто выпадают из основного прохода. Отмечайте их отдельно, чтобы они не потерялись за большими текстовыми блоками.
Практический пример из обсуждения RWS соединяет сразу несколько рисков: неверно распознанные символы, перенос текста между страницами и плохие интервалы в готовом файле. Исходное обсуждение не подтверждает, что каждый PDF ведет себя так же, но ясно показывает, почему проверку нужно начинать не с последней страницы, а с цепочки от распознавания до экспорта.
Перед FAQ оставим главный критерий: проверенный перевод должен быть не только визуально аккуратным. Человек должен получить полное и точное содержание, а последовательность чтения должна соответствовать устройству документа.
FAQ¶
Как проверить верстку переведенного PDF?¶
Сравните оригинал и перевод постранично, затем проверьте извлеченный текст и порядок чтения. Отдельно осмотрите переполнение, переносы, таблицы, изображения, шрифты, колонтитулы и поля; автоматическое сравнение используйте как подсказку для ручной проверки.
Что проверять после перевода PDF?¶
Проверьте полноту текста и точность критичных данных, затем осмотрите макет и структуру. Для многостолбцовых страниц, таблиц и форм дополнительно проверьте последовательность извлечения, чтение экранным диктором и переход фокуса клавишей Tab.
Как сравнить переведенный PDF с оригиналом?¶
Откройте обе версии рядом или примените инструмент сравнения PDF, чтобы найти отличающиеся области. После этого вручную сопоставьте смысловые блоки, имена, числа, подписи и порядок чтения: автоматическое сравнение не подтверждает качество перевода.
Как проверить порядок чтения и извлечение текста из PDF?¶
Скопируйте текст или извлеките его из файла и сравните последовательность с расположением блоков на странице. Для размеченного PDF проверьте структуру тегов; для многостолбцовых страниц прослушайте документ экранным диктором или инструментом чтения вслух.
Какие ошибки проверять в PDF с письмом справа налево?¶
Осмотрите направление текста, таблиц и списков, затем проверьте смешанные строки с цифрами, датами, пунктуацией и латинскими именами. Сравните визуальный порядок с копируемым текстом, поскольку логическая последовательность символов и порядок отображения не всегда совпадают.