作者：馬健
郵箱：stronghorse_mj@hotmail.com
發布：2012.06.11
目錄
一、背景
二、能夠校對的PDF需要滿足的條件
三、校對工具的選擇
四、校對過程
五、延伸討論
事先聲明：本文所談校對方法僅適用於DjVuToy、FreePic2Pdf、Pdg2Pic所生成的雙層PDF，對其他軟件生成的雙層PDF無效，不喜勿進。
一、背景
隨着在DjVuToy、FreePic2Pdf、Pdg2Pic中均支持雙層PDF，一個 必然要問的問題是：如何對雙層PDF進行校對？原因無他，雙層PDF都是基於OCR技術的，而OCR百分百無錯是不可能的，至少目前是完全沒有可能的。
目前雙層PDF的校對方法大體上有兩種：
1、基於XML的校對
這種方法的核心思想是：把雙層PDF中的隱藏文本導出，然后對文本進行校對，再導入回去。由於隱藏文本除了文本字符串外，還有顯示位置、顯示比例等信息，因此只用純文本文件難以表述， 而XML文件表達得更全面一些，故多用XML。
這種方法其實在DjVuToy中也被我用來校對雙層DjVu，所以對其弊端早有體會：編輯文本固然容易，但想更改文字位置、字體大小卻很困難。但要想保持隱藏文本與底圖的一致性，在編輯文字后對文字顯示位置或顯示比例進行更改也是必不可少的。
DjVu格式由於其天然缺陷（詳見我寫的《DjVu、PDF中的隱藏文本》），再加上工具缺乏，采用導出、導入的方法那是迫不得已，PDF如果還來這一套， 未免太不與時俱進，恐怕會被行家所笑話。
2、基於PDF編輯工具的校對
與孤寒的DjVu相比，由於PDF文件的廣泛流傳、深入人心，各種PDF工具如今是層出不窮，其中自然有一些能夠直接對PDF中的文字進行編輯的工具。雙層PDF中的文本由於是隱藏文本，因此通常不能直接用這些工具進行編輯，需要先把隱藏文本顯示出來后才能編輯，編輯完成再隱藏回去。
與基於XML的校對方法相比，用PDF編輯工具直接校對雙層PDF的文本，不僅編輯過程比較直觀，而且調整文字顯示位置、顯示比例也比較容易，鼠標拖一下即可。因此在DjVuToy、FreePic2Pdf、Pdg2Pic中均針對這種校對方法提供輔助工具，輔助完成校對過程中所需的“顯示隱藏文本”、“隱藏校對過的文本”等功能，本文下面也僅針對這種方法進行闡述。
二、能夠校對的PDF需要滿足的條件
前面一再強調“僅針對DjVuToy、FreePic2Pdf、Pdg2Pic所生成的雙層PDF”，原因在於不是什么樣的雙層PDF都可以用PDF編輯工具進行校對的——在我看來，以下幾個關鍵技術點決定了校對的難易程度：
1、采用內嵌字體還是外掛字體？
PDF中的文字允許使用內嵌字體，也允許使用外掛字體，相對來說采用外掛字體的更易於校對：內嵌字體為減小文件長度，通常只嵌入所需用到的文字的字形，用不到的就不嵌入了。在這種情況下如果想增加一個原來沒有的字可就麻煩了。而外掛字體則不受此限制，只要外部字體文件中有字形的文字，都可以加入進來。
當然外掛字體的平台兼容性比外掛字體略差：找不到字體的時候自然就不能顯示。不過這個問題的影響和解決方法在我看來不是啥大問題，在簡體中文環境下更沒有問題。
所以一項技術的選擇有時候沒有對錯之分，只有側重點的不同：Acrobat側重於“平台兼容性”，所以選擇了內嵌字體；我的三個軟件考慮“校對”、“文件長度”、“實現難易程度”等，就選擇了外掛字體。
2、“字壓圖”還是“圖壓字”？
對於雙層PDF來說，隱藏文字在頂層，掃描圖像在底層的是“字壓圖”，否則就是“圖壓字”。在實際中兩種路線都有人采用：Acrobat生成雙層PDF采用的是字壓圖，deent75采用的是圖壓字。在我看來，采用字壓圖路線的雙層PDF更便於校對：如果采用字壓圖，圖像顯示出來后還能看到上層的文字，反之文字就會被圖像蓋住。
deent75采用圖壓字可能也有它自己的考慮，但真實原因它不說就誰也不知道，總之我那三個軟件在別的地方都在全力模仿deent75，唯獨在這個地方堅定不移地跟Acrobat走——字壓圖。
三、校對工具的選擇
同樣的原因，這世上也不是什么編輯軟件都適合做雙層PDF校對的，在我看來至少需滿足如下條件才行：
1、支持外掛字體。即采用外掛字體的PDF，在編輯完成后還是外掛字體。這條雖然簡單，但直接就把Acrobat排除了：采用外掛字體的PDF，在用Acrobat編輯存盤后，新加入的字就全變成內嵌的了。
2、支持亞洲語言，尤其是簡體中文。這一條基本上就把大多數國外的編輯軟件給排除了。
最終選來選去，發現還是Foxit PDF Editor和Foxit Phantom滿足要求。具體我測試了Foxit PDF Editor v1.2、v1.5、v2.2，及Foxit Phantom v2.0、v2.2.4、v5.0.4，感覺各有不同：
Foxit PDF Editor v1.2：對Adobe標准中文字體支持不佳，半角文字顯示寬度超寬。
Foxit PDF Editor v1.5：修正了半角問題，但編輯界面與v1.2相同，操作繁瑣。
Foxit PDF Editor v2.2：編輯界面較v1.5簡化，在寬屏下使用方便，普屏下足夠讓你咬牙切齒。
Foxit Phantom v2.0、v2.2.4：編輯界面非常簡潔，符合一般文字處理習慣。
Foxit Phantom v5.0.4：版本大躍進，功能大倒退。Foxit Phantom在v2.2.4后，一跳就跳到了v5.0，沒有中間的3、4版本，但5.x版本放棄了原先的文本編輯模式，改為采用將Foxit PDF Editor換了個名字集成進來的方式，所以文字編輯功能在方便性上相當於Foxit PDF Editor v2.x，比Foxit Phantom v2.x大有不如。
最終，我選擇Foxit Phantom v2.2.4作為雙層PDF編輯器，並寫在那三個軟件的界面提示中。
如果只想用文字編輯功能，不需要其他閑雜功能，Foxit Phantom v2.2.4很容易實現綠化：安裝完成后，直接將安裝文件夾中的全部內容復制出來，就是綠色版了。如果再刪除用不到的文件，整個運行所需的文件約17.1 MB，包括簡體中文界面所需文件。
四、校對過程
在解決了文件問題和工具問題后，下面就該具體說一下校對過程了。校對過程其實也很簡單，大體上分為三步：
1、顯示出雙層PDF中的隱藏文字
在DjVuToy、FreePic2Pdf、Pdg2Pic中，均有“校對”按鈕，點擊后進入“PDF校對工具”界面，第一個頁簽就是“顯示文字”——Foxit Phantom只能編輯可見文字，隱藏文字是不能編輯的，所以要先顯示出來才能走到以后的步驟。
在操作的時候，可以選擇是只顯示文字，還是圖像、文字一起顯示。這個需要根據自己的習慣進行選擇：如果只顯示文字而隱藏圖像，則校對的時候看起來更簡單一些，不容易眼花，但是在調整文字顯示位置、顯示比例的時候，會沒有參照物。文字、圖像同時顯示（圖像可以選擇透明度）看起來會累一點，但如果有什么字拿不准，鼠標把文字拖走即可看到底圖，看完了按Ctrl+Z就可以讓文字回到原位，用鼠標拖拽調整文字顯示位置、顯示比例時也有參照物。
2、用Foxit Phantom v2.2.4校對PDF
用Foxit Phantom v2.2.4打開PDF文件后，鼠標左鍵點擊其工具條上的“雙擊文本對象或右鍵點擊對象對其修改”按鈕，以后再用鼠標左鍵雙擊需要編輯的文字即可對其進行修改，單擊則可通過拖拽改變文字的顯示位置、顯示比例。總之感覺和用PowerPoint改PPT差不多，所以我說它方便。
3、校對完成后，把文字再隱藏起來
畢竟文字隱藏起來后，才是普通意義上的“雙層PDF”。DjVuToy、FreePic2Pdf、Pdg2Pic的“PDF校對工具”界面中的第二更頁簽，就是用來干這個的。不論第1步中采用了什么樣的顯示方式，經此一步后都回到隱藏文字、顯示圖像的雙層PDF，只不過文字是經過校對的。
如果對校對結果很有自信，對文件大小又比較在意，還可以再走一步：把雙層PDF中的掃描圖像全部刪掉，只留下文字層。這樣搞出來的文字版PDF不僅文件長度比較小，而且文字版式與原文相同，至少作為參考文獻引用的時候，頁碼、行數是不會錯的。
以前看Ken777制作“精確版面還原PDF”的時候，羡慕了很久，后來Acrobat中提供的ClearScan也很令我心動，這次總算有機會照貓畫虎了。
五、延伸討論
用過PdfToy的人可能會覺得DjVuToy、FreePic2Pdf、Pdg2Pic中“PDF校對工具”的界面看起來有點眼熟，其實這個工具從界面到代碼都COPY自PdfToy的“流過濾”功能，只不過把表達式寫死了，所以只能支持特定情況的PDF，對其他PDF無能為力。
對於不是用DjVuToy、FreePic2Pdf、Pdg2Pic生成的雙層PDF，其實只要滿足前述的采用外掛字體、字壓圖的情況，理論上說都可以用PdfToy的“流過濾”功能實現與“PDF校對工具”相同的功能，只不過所用的表達式可能要根據具體情況做一點修改。在《PdfToy應用案例（ 八）》（案例十三）中，我將詳細說明“PDF校對工具”所用到的表達式及其原理，便於PdfToy的用戶舉一反三。