ドキュメント翻訳、ローカライゼーション、印刷・DTP制作、あるいは大規模言語モデル向けのデータ処理（RAG）では、拡張子が .idml のファイルを受け取ることがあるかもしれません。
高価な Adobe InDesign をインストールしていない、またはDTPソフトの操作に慣れていない場合、「このファイル内の文字を取り出してほしい」「このファイルを翻訳してほしい」と依頼されると、対応に困ることもあります。
この記事では、IDMLとは何かを説明し、DTPソフトをインストールせずにIDMLファイル内のテキストをプレーンテキストまたは構造化された Markdown として自動抽出する方法を紹介します。
IDMLファイルとは？INDDとの違い
INDD (.indd) は、InDesignの標準的な制作ファイルです。バイナリ形式で、カタログ、雑誌、DTPプロジェクトのあらゆる情報を記録します。ただしバージョンへの依存度が高く、たとえばInDesign 2024で保存したINDDファイルは、InDesign 2023では開けない場合があります。
こうした互換性の課題を解決し、外部ソフトウェアでも扱いやすくするために、Adobeは IDML (InDesign Markup Language) を提供しています。 IDMLは、実質的にはZIP形式でパッケージ化されたファイルです。内部には多数のXMLファイルがあり、ページ、カラー、フォント、テキストなどの情報が構造化されたマークアップで記述されています。
このように公開されたXML構造を持つため、Trados や Phrase などのCATツール／翻訳支援ツールや、多くの自動化ツールでは、InDesignを起動せずにIDMLを読み取り・編集できます。
IDMLからテキストを抽出する際の難しさ
IDMLはXMLベースですが、拡張子を .zip に変更して展開すると、その構造がかなり複雑であることがわかります。
- 断片化されている：テキストは1か所に連続して保存されておらず、複数のXMLファイルに分散しています。読みやすい文章にするには、再構成が必要です。
- スタイルタグが入れ子になっている：短い文章にも文字スタイル、段落スタイル、字間調整などの書式情報が多く含まれ、実際のテキストと混在しています。
- 読み順の再構成が必要：XML内の保存順は、ページ上で人が上から下、左から右へ読む順序とは限りません。適切な読み順に戻すには、ページレイアウトを考慮する必要があります。
XMLをそのままスクリプトで解析しようとすると、順序が乱れ、書式タグが混ざったテキストになりがちです。
IDML／INDDの内容をまとめて抽出する方法（環境構築不要）
SimplifyAIのクラウド型ドキュメントワークスペースは、このような複雑なDTPファイルの解析を目的として設計されています。IDMLだけでなく、元のINDDファイルも直接サポートしています。
Adobe製品のインストールや、複雑なPythonスクリプトの作成は必要ありません。
- ファイルをアップロード：SimplifyAIにログインし、
.idmlまたは.inddファイルをドラッグ＆ドロップしてアップロードします。 - 抽出形式を選択：処理フローで「抽出してMarkdownをダウンロード」を選択します。
- 読みやすいテキストを取得：クラウド上でレイアウト構造を処理し、分散しているテキストを、人が読む順序に近い形へ整理します。
SimplifyAIは、可能な範囲で文書の構造階層も認識・保持します。大見出しはMarkdownの # 見出し に、リストはMarkdownの - リスト項目 に変換されます。
抽出したテキストをRAGやAIナレッジベースに活用する
大規模言語モデル（LLM）の活用が広がるなか、企業では、これまで蓄積してきた高品質な製品カタログや製品ホワイトペーパー（InDesignで制作されていることが多い）を、RAG（Retrieval-Augmented Generation）ナレッジベースへ取り込みたいというニーズが高まっています。
一般的なPDFのテキスト抽出では、複数段組みの読み順が崩れたり、ヘッダー・フッターと本文が混在したりすることがあります。 SimplifyAIでIDMLまたはINDDの元ファイルから抽出したMarkdownは、一般的なPDF抽出と比べてレイアウトの読み順や構造階層を保持しやすく、大規模言語モデルやベクトルデータベースの処理フローに利用しやすくなります。
手元のInDesign制作ファイルをどう扱うべきかお悩みの場合は、SimplifyAIのドキュメント解析サービスをお試しください。