PDF bearbeiten

Warum ein PDF schwerer zu bearbeiten ist als ein Dokument

Ein PDF hat keine Absätze. Eine Seite ist ein Zeichenprogramm, und Text darin ist eine Folge von Anweisungen, bestimmte Glyphen an bestimmte Koordinaten zu setzen – nirgends ist vermerkt, dass diese Glyphen einen Satz, eine Zeile oder eine Spalte bilden. Alles, was dieser Editor tut, beginnt damit, diese verlorene Struktur zu rekonstruieren: Der Inhaltsstream wird in seine Zeichenoperationen zurückgeparst, die Schriften der Seite werden aus ihren Ressourcen gelesen, und die Glyphencodes werden über die Zeichentabelle der jeweiligen Schrift wieder in lesbare Zeichen verwandelt. Moderne Programme betten Zwei-Byte-Teilmengen ein, deren Codes rohe Glyphennummern ohne jeden Bezug zu Unicode sind – ohne diese Tabelle ist der Text einer Seite also wirklich unlesbar, nicht bloß umständlich.

Um eine Zeile neu zu setzen, braucht man dann die Metriken der Schrift, nicht nur ihren Namen – die Vorschubbreite jeder Glyphe, gelesen aus dem flachen Breiten-Array einer einfachen Schrift oder aus der lauflängenkodierten Form einer großen Schrift –, denn die neuen Wörter müssen in der Schrift des Dokuments vermessen werden, bevor sie platziert werden können. Deshalb behält eine neu geschriebene Zeile Schrift, Größe und Farbe des Originals, statt mit einem weißen Flicken überdeckt und neu getippt zu werden – und daher kommt auch die ehrliche Einschränkung: Text fließt nicht um. Ein längerer Satz nimmt mehr von seiner Zeile ein und schiebt die nächste Zeile nicht nach unten, weil es keine nächste Zeile zum Schieben gibt – nur weitere Anweisungen an festen Koordinaten. Acrobat verhält sich genauso, aus demselben Grund.

Eingebettete Schriften sind meist Teilmengen, die nur die Glyphen enthalten, die das Dokument bereits verwendet. Tippen Sie ein Zeichen, das die Teilmenge nicht enthält, gibt es keine Glyphe zum Zeichnen – also sagt der Editor das, statt eine Lücke zu schreiben oder stillschweigend eine andere Schrift einzusetzen. Neu hinzugefügter Text umgeht das Problem, indem eine vollständige Unicode-Schrift für Lateinisch, Kyrillisch und Griechisch eingebettet wird – deshalb kann das Werkzeug „Text hinzufügen“ Polnisch, Türkisch oder Russisch in ein Dokument schreiben, das diese Sprachen nie enthalten hat. Schriftsysteme, die kontextabhängiges Shaping brauchen, werden grundsätzlich abgelehnt: Arabische Buchstaben ändern ihre Form je nach Position, und bengalische Ligaturen sind einzelne Glyphen – ihre Codepunkte einfach nacheinander zu setzen ergibt Text, der nicht nur hässlich, sondern falsch ist.

Die Koordinaten werden genau einmal umgekehrt. Die Oberfläche arbeitet von oben nach unten, weil Menschen so lesen; ein PDF misst von unten nach oben. Jede Markierung wird im ersten System gespeichert und erst in dem Moment ins zweite umgerechnet, in dem sie in die Datei geschrieben wird – an einer einzigen Stelle. Nur diese Disziplin verhindert zuverlässig, dass eine Unterschrift kopfüber landet oder eine Markierung zwei Zentimeter unter ihrem Satz sitzt.

Wenn Sie etwas anderes brauchen

Eine gescannte Seite enthält keinen bearbeitbaren Text – sie ist ein Foto von Text, und im Inhaltsstream steht nichts außer einem Bild. Schicken Sie sie zuerst durch die OCR, damit es Wörter gibt, mit denen Sie arbeiten können, oder akzeptieren Sie, dass „Abdecken“ und „Text hinzufügen“ auf dieser Seite die einzige ehrliche Option ist.

Wenn die Änderung eigentlich eine Überarbeitung ist – einen Absatz neu umbrechen, eine Tabelle verschieben, ein Dokument neu gestalten –, ist kein PDF-Editor das richtige Tool, auch nicht die teuren, denn die Struktur, die Sie ändern möchten, wurde beim Erstellen des PDFs verworfen. Gehen Sie zum Quelldokument zurück, falls es existiert, oder wandeln Sie in Word um und bearbeiten Sie dort. Für skriptgesteuerte Änderungen an vielen Dateien legen pikepdf und mutool clean -d den Inhaltsstream direkt offen, und keines von beiden muss dafür eine Seite rendern.