词典

什么是带标签的 PDF?

PDF 文档可以包含关于它们是否为带标签 PDF 文件的信息。了解这些信息对隐藏在 PDF 文件中的内容有什么说明。

tagged-pdf

带标签的 PDF 会携带一份自身内容的隐藏“地图”。除了你看到的文本和图片,它还会记录每一部分内容的类型,例如标题、段落、列表、表格单元格、说明文字、图像,以及正确的阅读顺序。“Tagged PDF” 字段是一个是/否的结果,用来告诉你文档是否包含这份结构地图。

哪些文件包含它以及该数值从何而来

只有 PDF 文档才有这个字段。标签是在创建 PDF 时添加的,是否存在完全取决于生成它的程序以及所选的导出选项。

文字处理器和版面编辑应用(例如 Microsoft Word、LibreOffice 和 Adobe InDesign)可以导出带标签的 PDF,通常对应的导出选项会提到文档结构或无障碍功能。来自扫描仪或通用“打印为 PDF”驱动程序的 PDF 通常是未加标签的,因为在那个阶段内容已经被压平成了没有结构可描述的文字和图像。标签也可以在之后添加到现有 PDF 中,可以手动添加,也可以借助软件完成,不过效果会有差异。

该数值的格式

只有两种可能的结果:

  • Tagged PDF: Yes - 文档包含结构地图
  • Tagged PDF: No - 不包含

该字段本身不反映标签质量。自动生成的结构可能会标错内容,例如把标题当作普通正文,或打乱多栏页面的阅读顺序,而标志依然会显示为 Yes。相反,No 是一个明确的答案:没有任何可依赖的结构。

建议结合报告中的其他 PDF 项目一起查看,例如 PDF 版本、文件是否为加快网页浏览而线性化,以及是否有 PDF/UA(无障碍 PDF 标准)或 PDF/A(长期归档使用)等符合性标记。

它的重要性

标签存在的主要原因是无障碍访问。屏幕阅读器会为看不见文档的人朗读内容,它依赖的就是结构地图。有了标签,软件就能知道这一行是标题,这一块是一个三列表格,这张图片附带了说明,并按正确顺序朗读页面。没有标签时,它只能根据页面上标记的位置来猜测,未加标签的 PDF,尤其是带有多栏、侧边栏或表格的文档,朗读结果往往会变得混乱,甚至完全不可用。

标签在日常使用中也很有价值。从带标签的 PDF 中复制文本时,内容会按合理顺序输出,而不是在各栏之间被打乱。重排功能可以让文档重新换行以适配手机或电子阅读器,而不是强迫你在固定页面上到处拖动,这就需要结构来判断哪些内容可以重排。将 PDF 转换为其他格式时,也能保留标题、列表和表格,而不是把所有内容都变成纯段落。而用于从文档中提取数据的软件,如果能识别表格的起止位置,效果也会可靠得多。

还有一个实际原因:许多公共机构和大型组织要求它们发布或接收的文档具备无障碍访问能力,而带标签的 PDF 是达成这一点的基础。检查该字段是判断文档是否满足这一要求的最快方式。该标志本身完全不包含任何个人信息。