Benten フィルター: ECMA 376「docx」形式

仕様

文のなかに以下の変化があると、翻訳単位としては分かれた別のものになります。

以下のような条件に合うファイルを処理対象とします。

処理対象 XML ファイルおよびその要素については、以下のとおりです。

翻訳作業に先立ち、まず docx ファイルを以下の手順で正常化します。

<w:r> の中の <w:t> について、まとめても支障がないと判断したものはこれをまとめて処理します。
日本語の WORD ドキュメントの場合、いわゆる半角文字と全角文字が交互に登場する場合には <w:r> が複数に分かれます。しかし、実は複数の <w:r> に分かれている <w:t> は 1 つにまとめることが可能であり、このように集約して 1 つの <w:r> にまとめることにより、翻訳作業の効率が向上するからです。
w:rFonts 要素の w:hint 属性が、このような <w:r> の細切れ化を引き起こす主たる原因だと考え、w:hint しかない w:rFonts 属性を除去します。
w:hint 属性を取り除いた結果 w:rFonts 要素の中身がなくなった場合には、この要素自身を除去してしまいます。
これら加工を加えた結果、<w:r> の内容が <w:t> 以外で変わらないものが連続していれば、これを集約して 1 つにまとめてしまうことができます。

ECMA-376
Microsoft Office XP および 2003 で docx ファイルを読み書きするためには、以下の互換機能パックを導入する必要があります。
- Microsoft: Word/Excel/PowerPointファイル形式用 Microsoft Office 互換機能パック http://www.microsoft.com/downloads/details.aspx?FamilyId=941B3470%2D3AE9%2D4AEE%2D8F43%2DC6BB74CD1466&displaylang=ja