Почему PDF так сложно редактировать?

PDF хранит готовую страницу, а не документ

Adobe разработала формат в начале 1990-х годов, чтобы решить одну задачу: страница должна выглядеть одинаково на любом экране и любом принтере, какие бы шрифты и программы ни стояли у получателя. Формат вырос из PostScript, языка, на котором уже говорили принтеры, и унаследовал его природу. PDF описывает, как выглядит страница, когда всё уже решено: гарнитура, размер, где обрывается каждая строка и где стоит каждая буква.

Документ Word или Google Документов хранит обратное: сам текст и правила его вёрстки (это заголовок, этот абзац выровнен по ширине, поля 2 см). Программа верстает страницу заново при каждом открытии, поэтому можно вписать слово в середину предложения, и всё, что стоит после него, подвинется. В PDF эта работа уже сделана, а правила выброшены. Чтобы отредактировать PDF, нужно обратить вспять процесс, о котором сам файл уже ничего не помнит.

Что на самом деле хранится на странице PDF

Загляните внутрь страницы PDF, и предложений вы там не найдёте, только список команд рисования. Для текста каждая из них говорит примерно следующее: взять шрифт F1 размером 11 пунктов, перейти в такую-то точку, нарисовать такие-то символы. Почти всего, что нужно для редактирования, в этом списке нет:

• Нет слов и абзацев. Файл расставляет символы, часто короткими порциями. Пробел зачастую не символ, а просто сдвиг в координатах, и абзац сводится к набору строк, которые оказались одна под другой.
• Нет порядка чтения. Текст может быть нарисован в любой последовательности, какая была удобна создавшей файл программе: таблица по столбцам, сначала нижний колонтитул, две газетные колонки вперемешку, строка за строкой.
• Шрифты урезаны до использованных букв. Чтобы файл был меньше, в большинство PDF-файлов встраивают не весь шрифт, а только те знаки, которые встречаются на странице. Если в нужном вам слове есть буква, которой в документе не было, у шрифта в файле нет для неё начертания. В некоторых PDF-файлах шрифта нет вовсе: они полагаются на то, что найдётся у программы просмотра.
• Жёстко заданные промежутки. Текст, выровненный по ширине, хранится с точными поправками вдоль строки, чтобы она заполняла всю ширину колонки. Замените одно слово, и все эти числа станут неверными.
• Отдельные слои для всего, что добавлено позже. Выделения маркером, заметки, белые прямоугольники, поля формы и подписи хранятся как аннотации поверх страницы, а не как её часть. Именно поэтому белый прямоугольник скрывает текст, но не удаляет его.
• Картинки, похожие на текст. Логотип, диаграмма, вставленный скриншот или отсканированная страница состоят из пикселей. Символов, которые можно было бы редактировать, в них нет вообще.

Всё остальное в PDF только подтверждает это. Содержимое сжато, объекты находят по смещению в байтах от начала файла, а защищённый паролем файл зашифрован. Ничто из этого не рассчитано на то, чтобы файл вскрывали и перекраивали. Он рассчитан на то, чтобы его показывали.

Почему трудно заменить даже одно слово

Допустим, нужно исправить одну опечатку в середине абзаца. В файле Word это одно нажатие клавиши. В PDF редактору сначала нужно выяснить, какие из нарисованных символов стоят на одной строке (измерив их координаты), какие строки образуют абзац (по интервалам, отступам и по тому, доходит ли строка до края колонки), какова ширина колонки и как выровнен текст: по левому краю, по центру или по ширине. Ничего из этого в файле не записано.

Затем нужно спрятать старые символы, понять, каким шрифтом и каким цветом они были нарисованы, и нарисовать исправленное слово тем же шрифтом, того же размера и с теми же промежутками, чтобы оно не выделялось. Если исправление длиннее оригинала, строка перестаёт помещаться, значит, весь абзац нужно перестроить, а всё, что под ним, сдвинуть вниз. Но только если ничто не мешает: таблица, картинка или нижний колонтитул встают на пути стеной.

Каждый из этих шагов отчасти основан на догадках, а каждая программа, создающая PDF, по-своему обращается со шрифтами, интервалами и порядком рисования. В этом и состоит настоящий ответ на вопрос, почему PDF так сложно редактировать. Дело не в одном замке, который нужно открыть, а в десятке мелких фактов, которых файл никогда не записывал: каждому редактору приходится угадывать их, и иногда он ошибается.

Почему один PDF редактируется легко, а другой не поддаётся

Формат допускает столько вариантов, что поддастся ли PDF редактированию, зависит гораздо больше от того, как он был создан, чем от того, в какой программе вы его открыли:

• Экспортирован из Word, Google Документов, InDesign или веб-страницы: настоящий текст, встроенные шрифты, одна нарисованная строка на каждую видимую. Это лучший случай. Большинство редакторов могут заменить слово, а хорошие ещё и перестроить абзац.
• Создан со шрифтом, который не был встроен: текст редактируется, но новые буквы набираются запасным шрифтом, и стык может быть заметен.
• Отсканирован или сфотографирован: картинка, в которой нет текста. Ничего не выделяется, пока OCR не сделает скан редактируемым, и даже тогда распознанный текст остаётся лишь тем, что модуль OCR сумел разобрать в пикселях.
• Сведён или подписан: поля формы и аннотации навсегда вписаны в страницу (это и называют сведением), а электронная подпись с сертификатом запечатывает файл, так что первая же правка делает её недействительной.
• Защищён паролем: содержимое зашифровано, и без пароля ни один редактор не увидит страницу.

Если дело в одном конкретном файле, а не в формате вообще, на нашей странице о том, почему PDF не редактируется, для каждого из этих случаев есть проверка на десять секунд и подходящее решение.

Как хороший редактор всё-таки правит текст в PDF

Сам формат не мешает редактору менять текст. Нужно лишь восстановить то, чего файл не сохранил, и сделать это так хорошо, чтобы результат выглядел нетронутым. Именно здесь редакторы различаются сильнее всего. Одни конвертируют всю страницу в текстовый документ и обратно, и при этом теряется вёрстка. Другие превращают отредактированную страницу в картинку, и теряется текст, который можно выделить. Третьи рисуют новое слово первым попавшимся шрифтом, а старое оставляют под ним.

Инструмент «Редактировать текст в PDF» в peadf создан именно для того, чтобы делать это как следует: в браузере и без отправки файла на сервер. Он собирает нарисованные символы в строки по их координатам, определяет, какие строки образуют абзац и какой ширины его колонка, читает цвет текста прямо из команд рисования и берёт шрифт из самого файла, чтобы отредактированная строка была набрана той же гарнитурой, что и строки вокруг неё. Старые символы удаляются из файла там, где это можно сделать безопасно и проверить результат; в остальных случаях они прячутся под закраской, взятой с фона самой страницы. Более длинная правка перестраивает лишь те строки, которые нельзя оставить как есть, и сдвигает текст под ними вниз, но только по чистому фону. А если во встроенном шрифте никогда не было введённого вами символа, отдельно рисуется только он, и остальная строка остаётся настоящим текстом.

Как редактировать PDF с наименьшими потерями

Если понятно, почему формат сопротивляется, понятно и то, как с ним работать. Каким бы редактором вы ни пользовались:

1. 1

   Проверьте, какой у вас PDF

   Попробуйте выделить строку текста мышью. Если она выделяется, на странице настоящий текст. Если вместо этого по всей странице растягивается рамка, это скан, и сначала ему нужен OCR.

2. 2

   Редактируйте существующую строку, а не закрашивайте её

   В peadf откройте файл в инструменте «Редактировать текст в PDF», выберите «Выделить» и нажмите на строку. Введите слова заново на том же месте, и редактор сохранит найденные им шрифт, размер, цвет и выравнивание.

3. 3

   Сохраняйте примерно ту же длину

   Исправление примерно той же длины остаётся на своей строке. Заметно более длинное перестраивает абзац, и редактор сообщит, если текст ниже сдвинуть некуда.

4. 4

   Сравните новые символы с соседними

   Увеличьте масштаб. Если какая-то буква выглядит как другой шрифт, значит, в файле не было её начертания. Чтобы страница осталась единообразной, переформулируйте фразу без этой буквы или закрасьте и наберите заново всю строку. Подробнее об этом рассказано на нашей странице о редактировании PDF без потери форматирования.

5. 5

   Проверяйте экспортированный файл, а не редактор

   Откройте скачанный файл в привычной программе для просмотра PDF. Поищите в нём исправленное слово, а затем старое. Редактирование бесплатно. Чтобы скачать файл, нужны бесплатный аккаунт и платный тариф: первая неделя за 0,99 £.

Где останавливается даже лучший редактор

• Текст внутри картинки. Буквы в логотипе, диаграмме или скриншоте состоят из пикселей, поэтому картинку нужно заменить, а не редактировать.
• Текст, выровненный по центру или по правому краю, ячейки таблиц и одиночные строки редактируются по одной строке, и каждая держится за свой край, потому что абзаца, который можно было бы перестроить, здесь нет.
• Абзац, которому некуда сдвинуть текст под собой, вписывается в имеющееся место, но лишь до определённого предела. Дальше честное решение одно: сократить текст.
• Шрифты, которые не были встроены, и символы, которых нет во встроенном наборе, набираются запасным шрифтом. В короткой правке это почти незаметно, в целом новом абзаце заметно сразу.
• OCR даёт лишь приблизительный текст: его положение и размер определены примерно, а распознанные слова нужно вычитывать.
• Электронная подпись с сертификатом не переживает правку ни в одном редакторе. Возьмите неподписанный экземпляр, измените его и подпишите заново.
• Шифрование не формальность. Без пароля редактировать просто нечего, и ничего здесь пароль не восстановит и не подберёт.

Что обычно спрашивают