Чем отличается формат PDF от PDF/A, и какой формат лучше использовать для сохранения отсканированных образов документов?
Ришат Мухаметшин 16 мая 2013 г. 16:10PDF (“portable document format”) - это универсальный формат электронных документов, которому, кстати, скоро исполнится 20 лет. Он создан по инициативе компании Adobe, и исходное его предназначение - электронное представление печатных материалов. Отсюда следует задача данного формата, связанная с хранением информации о цветовой схеме и расположении элементов, обеспечить идентичный вывод на разных мониторах и принтерах.
За время своего существования формат PDF значительно прибавил в возможностях. В первой же редакции формата появилась возможность вставлять в текст документа гиперссылки, шифровать документ с паролем и тем самым защищать его от модификации. В версии PDF 1.4 появилась возможность поверх изображения наносить текстовый слой, в том числе невидимый, давая пользователю возможность, видя “картинку”, тем не менее, копировать с неё текст. Кроме того, в этой же версии появилась возможность вставлять метаданные в виде пар “ключ-значение”, каждая из которых может быть связана с какой-то частью документа (например, отдельным изображением) или со всем документом целиком. Это важные нововведения, с точки зрения архивного хранения, и они поддерживаются форматом по сей день.
PDF/A - это подмножество формата PDF, содержащее ограниченный набор возможностей представления данных. Данный формат является стандартом ISO и предназначен для долгосрочного хранения электронных документов. Обеспечение длительного срока хранения достигается посредством внедрения в содержимое электронного документа в формате PDF/A всей информации, необходимой для его отображения. Такой информацией, в частности, являются шрифты - те из них, которые использованы в документе, включены в него. К слову, это влияет на его размер: документ в формате PDF/A не меньше, а вероятно даже больше по размеру, чем документ с аналогичным содержимым, сохранённый в формате PDF.
Считается, что документ, хранимый в формате PDF/A, ввиду полного отсутствия связи с такими изменчивыми вещами как гиперссылки и мультимедийный контент, можно будет открыть в любой операционной системе через какое угодно длительное время с помощью приложения, поддерживающего соответствующий формат. Поскольку PDF/A обеспечен статусом международного стандарта, его поддержка со стороны разработчиков ПО в долгосрочной перспективе оправдана, а использование целесообразно по сравнению с другими доступными форматами хранения, которые могут измениться в любой момент времени (вспомним недавнюю историю с отказом от поддержки документов Word старого образца до версии 2003 в Google Drive - старт умерщвлению формата Word 97–2003 дан).
При этом целостность и неизменность неподписанного документа в формате PDF/A не может быть гарантирована и не заявляется как особенность формата. Другими словами, несмотря на то, что данный формат позиционируется как обеспечивающий долгосрочное хранение, изменение содержимого документа возможно и не является отклонением от нормы, если оно не зашифровано. Однако есть ещё один нюанс: для каждого конкретного документа, формат которого заявлен как PDF/A, невозможно заведомо утверждать, что это действительно так. Необходима верификация на соответствие требованиям формата для каждого конкретного документа, и если на этапе размещения в архиве или после очередного изменения она не будет проведена, можно считать миссию обеспечения долгосрочного хранения потенциально проваленной (с некоторыми оговорками, но всё же).
Исходя из описанных выше различий между форматами PDF и его потомком PDF/A, вполне можно предположить, что первый больше пригоден для оперативного обмена и краткосрочного хранения электронных документов, тогда как PDF/A, несмотря на потенциально большой размер единичного документа (в него внедрены все использованные шрифты, а это для краткосрочного использования избыточный и ощутимый балласт), имея статус международного стандарта, гарантирует, что даже через продолжительное время, вне зависимости от окружения и операционной системы, любой пользователь сможет открыть документ в данном формате, располагая приложением-просмотрщиком. Этот факт укладывается в концепцию архива электронных документов и должен учитываться при сохранении каждого документа в нём.
Теперь необходимо определиться с тем, что такое отсканированный образ документов. В подавляющем большинстве случаев это растровое изображение. Предполагается, что текста поверх него нет, то есть в документе хранится исключительно отсканированный растр - изображение, текст на котором непонятен компьютеру, а понятен только человеку. В исключительных случаях поверх растрового изображения может быть расположен текстовый слой, частично или целиком наполненный либо вручную человеком, либо с помощью системы распознавания текста. Можно предположить, что документ содержит метаданные, так или иначе связанные с видом документа и его содержимым (например, если это счёт-фактура, метаданные могут содержать информацию о поставщике, дате выставления, сумме и т.д.).
Очевидно, что отсканированный образ документа допускает, но не подразумевает долгосрочного хранения. Но всё-таки в большинстве случаев образ должен храниться не меньше бумажного оригинала, а зачастую значительно дольше, поскольку значимость и важность его в контексте организации-владельца всегда держится выше нулевой отметки. Кроме того, образ снят с бумажного документа, а это значит, что его изменение не подразумевается, хотя и возможно.
На основании перечисленных особенностей, которыми обладает отсканированный образ документа, можно смело заявлять, что одинаково пригодны оба формата, поскольку для каждого конкретного документа не будут использованы возможности формата такие, которые не поддерживаются стандартом PDF/A. Последний допускает и метаданные, и текстовый слой поверх изображения, и даже подписание документа с целью защитить его от модификации. А необходимостью внедрения шрифтов в каждый документ можно пренебречь: поскольку речь идёт об образах, и текста нет, соответственно, нет и шрифтов, и добавочный вес в этом отношении будет мал.
(4,10 - оценили 10 чел.)
Приветствую, друзья!
Мне намедни сделали предложение написать обзор программы для в редактируемый формат. Естественно, от такого предложения я не смог отказаться, тем более, что мне пообещали подарить полную лицензию данной программулины. Да и лестно, если честно пообщаться с зарубежным разработчиком напрямую, а не через поддержку)))
К вопросу знания английского языка. Я как и многие в нашей стране владею только двумями)) языками: русским и матерным))) Но это не мешает мне спокойно общаться и с зарубежными разработчиками и с поддержкой (у меня есть и иногда приходиться задавать вопросы).
Вот так и переписываемся: они мне на английском, я им на русском. Причем, я как-то написал что, вот мол, звиняйте не владею английским, а мне в ответ пришло: «Ладно тебе, парень, я сам не особо владею английским, живу в Индии, работаю в поддержке удаленно и спокойно пользуюсь гугл-переводчиком». Вот так…
Сижу вот неделю уже кручу-верчу-изучаю программу, даже почти сел писать обзор… Но прежде, чем писать о программе (очень неплохая программа, кстати) решил еще раз написать о файлах PDF.
Спокойно! Не надо закрывать статью!
Все дело в том, что файлы PDF бывают разными. Да-да, именно разные. И именно поэтому, у многих людей не получается редактировать PDF-файлы. Ко всему прочему, недавно у меня сложилась некая структура того, какими бываю PDF-ки.
Итак, если рассматривать pdf-фалы с точки зрения их создания, то получим следующее:
Первое. PDF как изображения
Редактировать такие пдфки возможно только двумя способами:
- Открывать в графическом редакторе, например в Фотошоп, и редактировать, как картинку(изменять яркость и контраст, менять насыщенность, вырезать и затирать и тд). Но если у вас отсканированный текст, то можно сделать проще.
- Воспользоваться программой распознавания текста, так называемой системой OCR. За последние лет 20 (!), что я активно использую такие системы, пока ничего лучше программы FineReader не встречал. Нет, попадались мне хорошие решения, но как правило, с распознованием русского языка в них были проблемы…
Второе. PDF созданные из разных приложений
Еще пару лет назад создать PDF было проблемой, приходилось использовать или какие-то . Прогресс не стоит на месте и на текущий момент создать PDF-файл можно практически из любого офисного приложения (как сделать pdf в Word я писал ).
Так вот, pdf созданные подобным образом можно редактировать, практически, как угодно и чем угодно. Вплоть, до простого копировать-вставить.
Кстати, любой PDF-файл замечательно открывается в Фотошопе, имейте ввиду…
Исключением могут являться документы, на которых стоит защита. Но это уже другая, довольно занимательная, история… Я даже провел несколько экспериментов по установке и снятию защиты, но расскажу об этом в другой раз.
Третье. Интерактивные PDF
Современный тренд в подаче электронных материалов. В виде интерактивных PDF могут быть сделаны и книги, и журналы, и резюме и многое другое. Даже различные бланки и то, могут считаться интерактивными, хотя бы потому, что после заполнения такого бланка его можно отправить по электронной почте с помощью кнопки «Отправить» встроенной прямо в PDF-документ (Справедливости ради, стоит отметить, что реализован такой функционал довольно коряво — по нажатию на кнопку «Отправить» происходит запуск почтового клиента, типа OutLook, в котором уже открывается новое письмо с вложенным файлом…)
Кроме всего прочего, современный PDF позволяет встраивать и, соответственно, просматривать в любой программе для просмотра PDF:
- Внешние и внутренние ссылки
- Слайдеры (галерея самосдвигающихся картинок)
- Видеоролики
- Аудиотреки
- Элементы интерфейса (кнопки, списки, выпадающие списки)
- Увеличение изображений при наведении
- Различные анимации
Если в двух словах, то в формате PDF можно сделать почти современный сайт со всем его функционалом…
Но есть тут и свои подводные камни:
Во-первых, чтобы реализовать такой интерактив, потребуется уметь пользоваться на хорошем уровне программой InDesign.
Во-вторых, не всегда и не на всех компьютерах такие файлы могут работать (на компьютере должен быть установлен флеш проигрыватель).
В-третьих, на мобильных устройствах такие интерактивные PDF очень плохо работают, как раз в силу малой мощности таких устройств (хотя все ближе тот миг, когда телефон будет мощнее настольного компьютера, не говоря уже о ноутбуках) и невозможности адаптации pdf-документа под размер мобильных устройств.
В-четвертых, я так и не смог заставить работать gif-анимацию в pdf, видимо эта штука не поддерживается. Если кто знает как сделать что бы работала gif-анимация в pdf, дайте знать в комментариях.
С другой стороны, преимущества интерактивного PDF перевешивают все его минусы. Да и при необходимости, отредактировать или конвертировать такой файл так же элементарно, как и PDF сделанный из Word.
Вот какие базовые виды PDF-файлов получили нынче распространение… Есть еще комбинированные виды, например можно комбинировать pdf-изображение и интерактивный pdf. Как всегда, все зависит от того, что вам требуетcя получить на выходе от pdf.
На этом, дорогие друзья, я с вами прощаюсь до следующей статьи. Всем удачи!
Формат PDF. Описание (про PostScript), преимущества, недостатки. Предназначение и особенности формата. ПО для работы с форматом.
Читайте также:
|
PDF (аббревиатура от англ. Portable Document Format) - разработанный фирмой Adobe Systems с использованием ряда возможностей языка PostScript, как независимый от платформы формат представления в электронном виде полиграфической продукции, различной электронной документации (в том числе электронные книги) и презентаций.
PostScript PostScript
Преимущества:
Недостатки:
Особенности: В формате PDF реализована возможность внедрять необходимые шрифты (построчный текст), векторные и растровые изображения, формы и мультимедиа-вставки. Поддерживает RGB, CMYK, несколько типов сжатия растровой информации. Имеет собственные технические форматы для полиграфии: PDF/X-1, PDF/X-3. Включает механизм электронных подписей для защиты и проверки подлинности документов. Имеется возможность импорта из большинства современных форматов текстовых документов, векторных и растровых графических форматов.
PDF MRC – свой метод сжатия. Это тот же PDF, но заимствующий многие элементы из DjVu.
При использовании MRC размер страницы уменьшается в несколько раз при сохранении качества. Это происходит благодаря решению разделить изображение на слои и каждый слой сжимать наиболее подходящим кодеком. Текст сжимается кодеком JBIG2, всё остальное сжимается с помощью JPEG/JPEG2000/ZIP с разным качеством.
PDF может быть использован для:
Создания электронных документов;
Обмена данными (многие приложения могут читать PDF-файлы);
Архивирования данных (существуют приложения, позволяющие индексировать PDF-файлы, что позволяет создавать электронные библиотеки в PDF-формате);
Интерактивных документов (PDF может быть использован для создания электронных форм, данные из которых хранятся в базе данных).
Традиционным способом создания PDF-документов является виртуальный принтер т.е. документ как таковой готовится в своей специализированной программе - графическом или текстовом редакторе, САПР и т.д. А затем экспортируется в pdf для распространения в электронном виде, передачи в типографию и т.п. Все данные в нем могут сжиматься, причем по-разному: JPEG, RLE, CCITT, ZIP. PDF может также сохранять всю информацию для выводного устройства, которая была в исходном PostScript-файле.
Для просмотра можно использовать официальную бесплатную программу Acrobat Reader, а также программы сторонних разработчиков.
Для создания и редактирования:
Многие приложения, такие как Corel Draw 9 или Adobe InDesign, имеют опцию «export to PDF».
Из приложений, которые не имеют этой опции, вы можете просто напечатать документ в PostScript-файл и затем использовать отдельное приложение под названием Adobe Acrobat Distiller для конвертации его в PDF-файл.
Приложение Adobe Acrobat (раньше называлось Exchange) может быть использовано для добавления в PDF-файл мультимедийных функций, гиперлинков, закладок и прочего.
5. Формат PDF. Описание, преимущества, недостатки. Обобщённая структура формата. Структура файла. Структура документа. Три типа структурированных документов.
PDF (аббревиатура от англ. Portable Document Format) - разработанный фирмой Adobe Systems с использованием ряда возможностей языка PostScript, как независимый от платформы формат представления в электронном виде полиграфической продукции, различной электронной документации (в том числе электронные книги) и презентаций.
PostScript – язык программирования для работы с принтерами. Технология PostScript позволяет упростить и автоматизировать процесс печати. Во время вывода на экран документа, содержащего изображение, программа макетирования страниц преобразовывает пиксели в коды PostScript, которые понятны принтеру. Во время вывода пиксели заменяются на последовательности полутоновых точек (half-tone-dots), которые и воспроизводятся при печати. Эти точки круглые, занимают несколько пикселей. В отличие от пикселей, эти точки не имеют специального цвета и не покрывают всего изображения. Бывают разного размера, благодаря чему при их просмотре невооруженном глазом создается впечатление, что присутствуют разные оттенки. Размер точки зависит от цветов тех пикселей, которые она заменила. Программы управления векторной графикой создают истинный код PostScript уровня 2 и 3, который впоследствии отправляется в печатающее устройство. PostScript – язык программирования, имеющий набор управляющих конструкций. Программа на языке PostScriptинтерпретируются, а не компилируются. Все данные, используемые операторами языка, хранятся в стеках. Программа на языке PostScript – это последовательность операторов, заданных в постфиксной нотации или обратной польской записи: операнды записываются перед оператором. Читая файл программы, интерпретатор записывает в стек операнды, затем выполняет оператор, снимая операнды со стека.
Преимущества:
Кроссплатформенность (означает, что вы можете увидеть документ точно таким же, каким он был создан, вне зависимости от того, на какой платформе он создавался);
Машино-независимость (может быть напечатан как на принтере, так и на полиграфической машине)
Компактность, т.к. PDF поддерживает большое количество алгоритмов компрессии данных.
Мультимедийность (поддерживает элементы, такие как видео- и/или звуковые ролики, так же как и гипертекстовые элементы и превью страниц)
PDF поддерживает безопасность. Создатель PDF-файла может задать несколько опций безопасности. Возможно заблокировать файл так, что он может быть открыт только после ввода пароля. Также возможно запретить изменение файла и/или его печать.
Недостатки:
PDF - патентованный формат компании Adobe, соответственно имеет закрытую структуру.
PDF пытается стать всеохватывающим стандартом, что не позволяет ему быть настолько эффективным, как специализированные решения. Вы можете использовать PDF в Интернете, но HTML-файлы более эффективны. Можно использовать PDF для обмена графикой, но большинство препресс-приложений используют форматы EPS и TIFF.
PDF-файлы сложно редактировать. Небольшие изменения могут быть внесены, но очень сложно, если не невозможно, добавлять блоки текста или изображения в существующий PDF-файл.
Структура формата:
Объекты (несколько типов: логические; числовые; последовательность символов; таблицы, состоящие из 2 элементов, включающих значения; объекты типа stream)
Структура файла
Структура документа
Страничное описание
Структура файла:
Заголовок (Первая строка PDF-файла, определяет номер спецификации PDF, которой придерживается данный файл, грубо говоря, версию файла )
Тело (Содержит последовательность косвенных объектов, входящих в состав публикации. Объекты - это компоненты публикации: страницы, изображения, шрифты. Комментарии могут быть во всем PDF-файле. Их синтаксис совпадает с синтаксисом комментариев в PostScript, они начинаются с % и заканчиваются символом конца строки)
Таблица перекрестных ссылок (Таблица содержит информацию о каждом объекте в файле в виде одной строки описания места объекта в файле. PDF-файл содержит таблицу, состоящую из одного или более разделов. Если нет изменений или добавлений в файл, таблица состоит из одного раздела. В противном случае в ее состав добавляется новый раздел.)
Трейлер (позволяет программному приложению при чтении PDF-файла быстро находить таблицу перекрестных ссылок и специальные объекты. Приложения должны читать PDF-файл с конца)
Структура документа – иерархия объектов, содержащихся в теле PDF-файла.
Каталог – главный объект, содержащий ссылки на дерево страниц в документе, ссылку на дерево объектов, представляющих схему документа, ссылки на статьи и места их назначения. Каталог может показывать также, где хранятся публикации.
Дерево страниц - доступ к страницам документа открывается через дерево узлов, названное деревом страниц. Это дерево определяет порядок страниц в документе. Структура дерева позволяет приложению быстро открыть документ, содержащий тысячи страниц, используя ограниченный объем памяти. Структура дерева страниц документа не связана с содержимым документа.
Дерево закладок – описывает содержание и последовательность закладок на странице.
Дерево статей – может включать несколько статей, которые могу содержать несколько фрагментов.
Место назначение - комментарии и закладки могут определять место назначения, которое состоит из страницы, места на странице и масштаба показа страницы.
3 типа структурирования PDF-файлов:
1) Неструктурированные файлы – они не обладают древовидной логической структурой, все содержимое интерпретируется, как единый блок, не имеющий никакой иерархии или внутренней связи. При конвертации таких файлов сохраняется только текст и исходные абзацы, все остальное форматирование исчезает.
2) Структурированные файлы – обладают древовидной структурой, позволяют сохранять содержимое в естественном порядке. В отличие от неструктурированных, эти файлы сохраняют и внутреннее форматирование (включая, например, атрибуты шрифта), но не сохраняют таблицы, списки и т.д.
3) Размеченные файлы – характеризуются логической структурой, набором четких связей между различными элементами, содержат дополнительную информацию, позволяющую выполнять форматирование.
Формат DjVu. Описание, преимущества, недостатки. Шесть основных технологий, которые лежат в основе формата. Разрушающие и не разрушающие методы сжатия. Технология разделения на слои.
DjVu – графический формат, который используется преимущественно для сохранения и сжатия отсканированных книг, содержащих цветные изображения и текст.
Особенности:
Чисто растровый формат
Применяется для учебной литературы
Для переноса информации с бумажных носителей в электронный вид (сканирование)
Сохраняет структуру фона
Структура формата открыта
Комбинация разрушающего и неразрушающего методов упаковки . Например, упаковка цветов в палитры (преобразование цветовых координат, в том числе преобразование цветного изображения в черно-белое) или схема аппроксимации по опорным точкам относятся к типичным "разрушающим" преобразованиям, в результате которых информация теряется безвозвратно. В качестве неразрушающего преобразования обычно используются различные вариации на тему алгоритма Лемпеля-Зива.
Плюсы:
Главный плюс – это, безусловно, небольшой размер;
При небольшом размере файла сохраняется хорошее качество изображений и особенно текста;
Обрабатывается только видимое изображение, что снижает нагрузку на потребление ресурсов компьютера, что особо актуально для файлов большого размера и для владельцев слабых машин;
Возможность использования формата для отображения литературы и документов, содержащих формулы, диаграммы, таблицы, а также исторических документов, с сохранением фактуры отсканированного документа;
Текст остается четким даже при сильном увеличении.
Минусы: DjVu – это сжатие изображения с потерями. То есть часть информации неизбежно теряется. В основном, это касается картинок.
В основу разработки формата положено 6 технологий :
1) Алгоритм отделения текста от фона на отсканированном изображении
2) Вейвлетный алгоритм сжатия фона IW44
3) Универсальный алгоритм сжатия ZIP
4) Алгоритм распаковки «по запросу» (позволяет показать часть изображения, не разворачивая всю картинку в оперативной памяти компьютера, а также легко масштаб. изображение)
5) Алгоритм «маскировки» изображений
6) Алгоритм сжатия чёрно-белых изображений JB2
Для сжатия цветных изображений в DjVu применяется специальная технология, разделяющая исходное изображение на три слоя: передний план, задний план и чёрно-белую (однобитовую) маску. Маска сохраняется с разрешением исходного файла; именно она содержит изображение текста и прочие чёткие детали. Разрешение заднего плана, в котором остаются иллюстрации и текстура страницы, по умолчанию понижается для экономии места. Передний план содержит цветовую информацию о маске; его разрешение обычно понижается ещё сильнее. Затем задний и передний планы сжимаются с помощью вейвлет-преобразования, а маска - алгоритмом JB2.
Особенностью алгоритма JB2 является то, что он ищет на странице повторяющиеся символы и сохраняет их изображение только один раз. В многостраничных документах каждые несколько подряд идущих страниц пользуются общим «словарём» изображений.
Доброго времени суток, дорогие читатели! Сегодня поговорим о такой штуке, которую многие видели, некоторые пользовались, а кому-то это кажется заморским колдунством и он обходит сие стороной, т.е про PDF .
Итак, прежде, чем рассказать что это, я расскажу для чего оно нужно. Предположим, вы открыли ваш любимый MS Word 2003/7/10/2048 , написали длинную простыню текста, оформили все это красивенько и довольные пошли показывать коллегам. И такой вот коллега берет ваш документ, открывает своим OpenOffice/LibreOffice/somethingotherOffice и ужасается от того безобразия, которое творится с документом.
Оформление поплыло, скриншоты отцентрированы криво, навигация не работает, отступ абзаца не по ГОСТу, шрифты фигпоймикакие, смотрит он на вас так вопросительно и недоумевает. А вместе с ним и вы недоумеваете, ведь у вас-то все ОК, и шрифты, специально скаченные, и отступы, выверенные с миллиметровой точностью, и скриншоты, отцентрированные с точностью до эпсилон в минус десятой. Показываете вы свое творение другому коллеге.
А у коллеги и офиса-то нету, Wordpad "ом прикажете открывать? То еще развлечение.
Так в чем же тут проблема?
Думаете в криворукости автора документа? Отнюдь, автор может и криворук, но дело совсем в другом. На самом деле, даже разные версии MS Word могут несколько по-разному смотреть на документы, не говоря уже о каких-то других программах для работы с электронной документацией. Так что же делать, чтобы другие люди могли увидеть Ваш документ именно в таком виде, в котором Вы его задумывали?
Здесь есть несколько способов:
- Вы можете его распечатать, но это не самое удобное решение, особенно если люди находятся на другом конце синего шарика;
- Вы можете его отправить по факсу, вот только этого факса на том конце может не быть;
- Вы можете его сохранить в специальном формате. Тут-то и приходит на помощь PDF .
Вот о последнем, собственно, мы и поговорим.
Что такое PDF и с чем его едят
PDF (от англ. Portable Document Format ) - это специальный формат электронных документов, который не зависит от выбранной ОС, программы просмотра электронных документов или еще чего-нибудь. Он единый для любого устройства. Все, что нужно для открытия документов в этом формате - программа просмотра. Их существует великое множество, как бесплатных, так и платных.
Самая распространенная программка - это, несомненно, Adobe Reader (можно скачать , только не забудьте убрать галочки напротив McAfee и True Key ), которая написана авторами этой технологии.
Однако в AR часто находят уязвимости (а так же справедливо приписывают навязчивость, тормознутость и прочие ужасы жизни), так что кому это не нравится, смотрите в сторону аналогов (Foxit Reader, Nuance и тп).
Если кому интересно, так выглядит документ, открытый в Adobe Reader DC:
У PDF есть свои ограничения, как то:
- Невозможность редактирования текста (кроме специализированных программ);
- Необходимость вшивать нестандартные шрифты (для любителей делать не по ГОСТу);
- Необходимость использования достаточно больших растровых изображений для внятного отображения при печати.
Среди преимуществ же:
- Простота использования;
- Возможность защитить файл от большинства действий нерадивых пользователей (пометка маркерами, поиск по словам, редактирование текста);
- Независимость от программы просмотра. В любой программе просмотра он будет выглядеть одинаково.
Теперь поговорим о том, как его, собственно создать.
Как работать с PDF
В MS Word 2010, 13, 16 выбираете "Сохранить как " и указываете тип файла: "PDF ". Можно также снять галочку "Открыть файл после публикации ", чтобы не открывать каждый раз созданную вами PDF -ку.
Устанавливаете его, после чего запускаете Word , нажимаете на большую кнопку сверху-слева: "Сохранить как " -> "PDF или XPS " и сохраняете как PDF .
Если же вам нужен PDF файл из другой программы, при этом у нее нет возможности сохранять файлы в PDF , то достаточно скачать бесплатный виртуальный PDF принтер, например, .
Далее запускаете установщик, ждете, пока принтер установится, после этого открываете нужную вам программу, выбираете опцию "Печать ", выбираете виртуальный принтер и снова жмете на кнопку "Печать ".
Теперь выбираете интересующие вас настройки (я рекомендую отметить галочку "Embed fonts " для встраивания шрифта в ваш PDF ) и жмете на кнопку "OK ".
Есть еще и платные аналоги, но вы не подумайте, что они делают ровно тоже, но за деньги, нет. Они отличаются тем, что могут вставлять ссылки в PDF файлы, создавать закладки, оглавления, использовать водные знаки, зашифровывать PDF документ и еще много чего, что вам вряд ли в жизни пригодится:)
Кстати говоря, позволяют удобно и просто, без всяких плагинов, создавать PDF -фы на лету.
Послесловие
Вот в общем-то и все, что требуется для работы с данным форматом. Все возможности я описывать не стал, в этом нет особого смысла, ибо в большинстве случаев требуется просто сохранить файл или документ в PDF и потом открыть его каким-нибудь просмотрщиком. Так что пользуйтесь, очень удобный формат:)
Как и всегда, если есть какие-то вопросы, мысли, дополнения и всё такое прочее, то добро пожаловать в комментарии к этой записи.
PS : За существование статьи отдельное спасибо другу проекта и члену нашей команды под ником “barn4k“
Я имею дело с PDF не только как пользователь, а, прежде всего, как разработчик софта, умеющего его читать и писать (возможно, вы сталкивались с продуктами компании ABBYY, работающими с PDF – ABBYY FineReader, ABBYY PDF Transformer). Я предполагаю, что вы прочитали статью habrahabr.ru/company/abbyy/blog/105006 и далее пишу только про некоторые особенности и ограничения PDF, которые больше интересны продвинутым пользователям. Никаких сложных технических деталей при этом не буду касаться, так что программистам, желающим научиться читать или писать PDF, лучше сразу перейти к чтению спецификацию версии 1.7 со страницы www.adobe.com/devnet/pdf/pdf_reference_archive.html :)
Назначение и особенности PDF
Изначально формат PDF задумывался компанией Adobe ещё в конце 80х годов прошлого века как «электронная твёрдая копия» странично-структурированных документов, которую можно просматривать и печатать в виде, идентичном оригинальному, на разных машинах и платформах, но который не предполагается редактировать. Это определение отличает PDF от большинства других форматов хранения и распространения человеко-читаемых документов. За прошедшие годы PDF сильно эволюционировал, являясь в настоящее время контейнером для самого разнообразного контента (текст, векторная и растровая графика, интерактивные элементы, формы, аудио, видео, аннотации разных видов), но его исходное предназначение до сих пор остаётся источником как его возможностей, так и многочисленных ограничений.Так, форматы текстовых документов (DOC, RTF, DOCX и т.д.) в основном ориентированы не на просмотр, а на редактирование документов. Созданный разумным пользователем:) документ логично реагирует на вставку/замену/удаление текста, картинок, таблиц в разных местах, изменение размеров и полей страниц, изменение форматирования фрагментов текста любого размера и тому подобные действия. Интернет страницы в формате HTML не слишком ориентированы на редактирование (хотя и допускают его), но при условии прямых рук автора нормально переносят отображение не только на экране монитора своего создателя, но и на устройствах с совершенно другими экранами и взаимодействием с пользователем.
PDF-принтер переводит GDI(«интерфейс графических устройств»)-команды вывода в нужные места символов, линий, кривых, прямоугольников, растровых изображений и прочих геометрических примитивов в соответствующие им PDF-команды с сохранением в файл. При этом, разумеется, сохраняются количество и размер страниц, на которое выполнялась печать.
Такое преобразование способно очень точно передать внешний вид того, что получилось, перед печатью (например, линии и символы не теряют своей чёткости при любом масштабировании и при этом хранятся достаточно компактно), но совершенно игнорирует устройство документа, из которого это получилось. Например, для подчёркивания слова или другого фрагмента текста в PDF не предусмотрено выделенной команды или атрибута символов – вместо этого отдельно выводятся символы (группами, которые обычно даже не совпадают со словами или строками), а отдельно рисуются линии или тоненькие прямоугольники нужной толщины и цвета в нужных местах страницы. Таблицы, которые человек воспринимает как целостный набор ячеек, для приложения, отображающего PDF, – просто хаотический набор символов и линий, по случайному совпадению образовавших нечто, воспринимаемое человеком как таблица. Гиперссылки, которые в исходном документе можно было использовать как для навигации внутри документа, так и для перехода на Веб-адреса, при печати исчезают как средство навигации, остаются лишь окрашенные и/или подчёркнутые надписи. В общем, сплошные имитация и надувательство. Такие PDF я ниже буду называть «векторными» (как состоящие из векторных команд, к которым относится и рисование символов).
Другой способ получения PDF-документов, ставший особенно популярным в последние годы, – переработка в него отсканированных бумажных страниц. Сейчас большинство сканеров и многофункциональных устройств могут выдавать результат в виде «растровых» PDF – при этом предыдущий способ «имитации печати» не нужен, а драйвер или утилита устройства самостоятельно формирует страницы PDF так, чтобы на каждой из них оказалось нужное «растровое» изображение, благо набор форматов графики, которые можно использовать в PDF, покрывают большинство запросов. Такие «растровые» PDF-документы занимают больше места и выглядят менее качественными, чем «векторные».
Некоторые современные приложения (в том числе приложения комплекта OpenOffice, Microsoft Office новых версий, ABBYY FineReader и ABBYY PDF Transformer) умеют создавать PDF самостоятельно, пользуясь при этом гораздо большим арсеналом средств, чем PDF-принтеры, ибо знают об исходном документе гораздо больше, чем нужно передать принтеру. Это позволяет сохранить, например, гиперссылки как таковые (а не просто как окрашенный и/или подчёркнутый текст) или описать некоторые элементы структуры документа для его переформатирования и показа на экранах малых разрешений. Такие документы со структурной информацией называются «тегированными» или «tagged» PDF. По замыслу Adobe, «тегирование», добавленное начиная с Acrobat 5, призвано скрыть наиболее вопиющие недостатки ранних версий PDF. Например, для нетегированных документов не гарантируется корректная работа механизма копирования фрагментов текста в буфер обмена Windows (всем привычный Copy-Paste). При этом даже сегодня тегированными являются не все создаваемые PDF, в том числе из-за ограниченных возможностей программ-генераторов (или незнания пользователями, где включить нужную для этого галочку в настройках), или просто из-за большего размера таких PDF, когда остро стоит вопрос экономии дискового пространства при хранении больших архивов.
Преобразование PDF-документов в другие форматы
Желание отредактировать содержимое PDF-документа или преобразовать его в другие, желательно редактируемые форматы (как для немедленного редактирования, так и для хранения с возможностью поиска/редактирования «когда-нибудь»), возникает по разным причинам. Простейшие средства извлечения текстового содержимого предоставляет любое приложение, отображающее PDF – я имею привычный Copy-Paste, который работает довольно примитивно – как правило, теряется символьное и абзацное форматирование, игнорируются таблицы и сложная вёрстка PDF-документа. Есть приложения, которые позволяют «точечно» редактировать PDF без преобразования в другие форматы – но их арсенал средств редактирования очень ограничен, ну просто никакого сравнения с привычными текстовыми процессорами:) В дорогущем Adobe Acrobat для многих документов единственным работающим видом редактирования является «аннотирование» – есть инструменты для добавления комментариев, выделения текста маркером, зачёркивания и т.п. Да, более продвинутое редактирование как бы есть, но вы, случайно, не встречали забавного сообщения «All or part of the selection has no available system font. You cannot add or delete text using the currently selected font.» при невинной попытке удалить символ или слово из «хорошего», «векторного» PDF-документа в Акробате? А не пробовали заменить фрагмент строки на более длинный, грустно наблюдая уползающие вправо хвосты строк? Если нет, значит любовь к продуктам Adobe у вас ещё впереди! К простым и привычным для текстовых процессоров задачам – например, «заменить за несколько секунд по всему документу слово «MS» на «Microsoft», с изменением размещения текста по колонкам и страницам» – такое «редактирование» и близко не стоит.Неслучайно в софтверной индустрии сформировалась целая отрасль, производящая средства конверсии с лучшей функциональностью. Из написанного выше (и особенно – ниже), должно стать понятно, насколько это непростая задача. Большинство пользователей, не читавших этого креатива, так не считают – поэтому я его и пишу:)
Основные проблемы при преобразовании PDF в другие форматы
Часто в обсуждении связанных с PDF вопросов употребляется понятие «текстового слоя». Интуитивно многими пользователями предполагается, что в PDF-файлах есть такие выделенные части, где логично и понятно описаны все нужные характеристики видимого текста – или невидимого, но находимого поиском или выделяемого мышью. Хочу открыть вам страшную тайну (вероятно, с риском в ближайшее время получить пулю от киллера, подосланного авторами формата PDF и их отделом маркетинга) – никакого текстового слоя в указанном смысле в PDF нет! На деле для каждой страницы есть общий поток команд её рисования, в котором совершенно произвольно перемешаны разнотипные команды – задания областей отсечения, смены текущих толщины, цвета и шаблона пунктирности линий, изменения системы координат, смены шрифта, рисования прямых и кривых (с текущими атрибутами), вывода группы символов с текущими атрибутами и указанными «номерами глифов» (глиф – описание изображение символа, без учёта других его характеристик), вывода растровых картинок и т.п. То есть даже специальные текстовые команды – это просто один из многих инструментов рисования, не выделенный в отдельные потоки.Хуже другое – даже в пределах одной страницы PDF можно использовать (слишком) широкий набор средств изображения похожего глазу текста: буквы могут быть видны как части растрового изображения – например, в логотипах (задача их распознавания – в чистом виде задача OCR-приложений, того же ABBYY FineReader), как результат рисования кривыми Безье или специальными текстовыми командами. Этот последний случай – самый лучший для обработки, но даже здесь не обязательно указываются общепринятые коды символов из Unicode или других кодировок – ибо в PDF-файл можно записывать особые шрифты из подмножества только реально использованных символов и ссылаться на символы по совершенно условным «номерам глифов», а не по кодам. То есть не всегда просто как обнаружить символы в нужном месте, так и определить их коды! С форматированием, в том числе с выбором похожего шрифта при отсутствии точного аналога, всё ещё хитрее.
Символы, даже если их присутствие и коды тем или иным способом установлены, своим порядком вывода на страницу очень часто никак не соответствуют исходной последовательности их размещения и чтения на странице. Например, на двухколоночной странице команды вывода текста из правой и левой колонок могут быть произвольно перемешаны. На такой странице нужно выделить области, в каждой из которых размещён логически связный текст – это тоже задача, много лет решаемая OCR -приложениями. Некоторую помощь даёт структурная информация из тегированных PDF – но часто даже у сделанных сейчас PDF эта информация либо отсутствует – как при выводе через PDF-принтер – либо бывает недостаточно полна.
Когда мы решили, что в некоторых местах страницы есть связный текст (а где-то даже поняли, как он сгруппирован в таблицы – это очень нетривиальная задача!), и нашли, какие символы и в какие строчки складываются, нужно преобразовать эти строчки в абзацы и более высокоуровневые элементы, привычные пользователям как текстовых процессоров, так и HTML – колонки, таблицы, врезки. Данных об абзацном форматировании в PDF обычно нет, так что все эти характеристики тоже нужно вычислять – как при всём том же распознавании. Если пытаться игнорировать элементы текста сложнее строчек или абзацев, то, выведя всё в коротких врезках, получим документ, который выглядит как настоящий, но почти не редактируется – помните задачу о замене по всему документу слова «MS» на «Microsoft»? Это очень хороший тест на редактируемость. Для редактируемого документа важна способность текста перетекать из одних зон в другие – в нужных случаях, которые ещё надо суметь отличить от ненужных.
Добавить метки
