PDF एडिट करें

PDF एडिट करना डॉक्यूमेंट एडिट करने से मुश्किल क्यों है

PDF में पैराग्राफ़ नहीं होते। एक पेज ड्रॉइंग प्रोग्राम जैसा है, और उसमें टेक्स्ट ख़ास ग्लिफ़ को ख़ास कोऑर्डिनेट पर रखने के निर्देशों की एक सीरीज़ है — कहीं दर्ज नहीं होता कि वे ग्लिफ़ मिलकर वाक्य, लाइन या कॉलम बनाते हैं। यह एडिटर जो कुछ भी करता है, उसकी शुरुआत उस खोए हुए स्ट्रक्चर को फिर से बनाने से होती है: कंटेंट स्ट्रीम को पार्स करके वापस ड्रॉइंग ऑपरेशन में बदला जाता है, पेज जिन फ़ॉन्ट का इस्तेमाल करता है उन्हें उसके रिसोर्स से पढ़ा जाता है, और ग्लिफ़ कोड को हर फ़ॉन्ट के अपने कैरेक्टर मैप से वापस पढ़ने लायक अक्षरों में बदला जाता है। आधुनिक राइटर दो-बाइट सबसेट एम्बेड करते हैं जिनके कोड सीधे ग्लिफ़ नंबर होते हैं और जिनका Unicode से कोई लेना-देना नहीं होता, इसलिए उस मैप के बिना पेज का टेक्स्ट सिर्फ़ अटपटा नहीं, सचमुच पढ़ा ही नहीं जा सकता।

फिर किसी लाइन को दोबारा सेट करने के लिए फ़ॉन्ट का सिर्फ़ नाम नहीं, उसकी मेट्रिक्स चाहिए — हर ग्लिफ़ की एडवांस चौड़ाई, जो सिंपल फ़ॉन्ट की सपाट चौड़ाई वाली सूची से या बड़े फ़ॉन्ट के रन-लेंथ रूप से पढ़ी जाती है — क्योंकि नए शब्दों को रखने से पहले डॉक्यूमेंट के अपने टाइपफ़ेस में नापना पड़ता है। इसी वजह से दोबारा लिखी गई लाइन सफ़ेद पट्टी से ढककर फिर से टाइप होने के बजाय ओरिजिनल का फ़ॉन्ट, साइज़ और रंग रखती है, और यहीं से वह ईमानदार सीमा भी आती है: टेक्स्ट दोबारा फ़्लो नहीं होता। लंबा वाक्य अपनी लाइन की ज़्यादा जगह लेता है और अगली लाइन को नीचे नहीं धकेलता, क्योंकि धकेलने को कोई अगली लाइन है ही नहीं — बस तय कोऑर्डिनेट पर और निर्देश हैं। Acrobat भी इसी वजह से ऐसा ही करता है।

एम्बेडेड फ़ॉन्ट आम तौर पर सबसेट होते हैं, जिनमें सिर्फ़ वही ग्लिफ़ होते हैं जो डॉक्यूमेंट पहले से इस्तेमाल करता है। ऐसा अक्षर टाइप करें जो सबसेट में नहीं है, तो बनाने को कोई ग्लिफ़ नहीं होता, इसलिए एडिटर ख़ाली जगह लिखने या चुपचाप कोई और टाइपफ़ेस लगाने के बजाय यह बता देता है। नया जोड़ा गया टेक्स्ट लैटिन, सिरिलिक और ग्रीक को कवर करने वाला पूरा Unicode फ़ॉन्ट एम्बेड करके इस समस्या से बच जाता है — इसीलिए “टेक्स्ट जोड़ें” टूल ऐसे डॉक्यूमेंट में भी पोलिश, तुर्की या रूसी टाइप कर सकता है जिसमें ये कभी नहीं थीं। जिन लिपियों को संदर्भ के हिसाब से शेपिंग चाहिए, उन्हें सीधे मना कर दिया जाता है: अरबी अक्षर अपनी जगह के हिसाब से रूप बदलते हैं और बंगाली संयुक्ताक्षर एक ही ग्लिफ़ होते हैं, और उनके कोड पॉइंट एक के बाद एक रख देने से ऐसा टेक्स्ट बनता है जो सिर्फ़ भद्दा नहीं, ग़लत होता है।

कोऑर्डिनेट ठीक एक बार पलटते हैं। इंटरफ़ेस पेज के ऊपर से नीचे की ओर काम करता है, क्योंकि लोग ऐसे ही पढ़ते हैं; PDF नीचे से ऊपर की ओर नापती है। हर निशान पहले सिस्टम में स्टोर होता है और फ़ाइल में लिखे जाने के पल ही दूसरे में बदला जाता है, एक ही जगह पर — यही एकमात्र अनुशासन है जो भरोसे से सिग्नेचर को उल्टा पड़ने से और हाइलाइट को अपने वाक्य से एक इंच नीचे बैठने से रोकता है।

जब आपको कुछ और चाहिए

स्कैन किए गए पेज में एडिट करने को टेक्स्ट नहीं होता — वह टेक्स्ट की एक फ़ोटो है, और कंटेंट स्ट्रीम में एक इमेज के सिवा कुछ नहीं। पहले उसे OCR से गुज़ारें ताकि काम करने को शब्द हों, या मान लें कि उस पेज पर “ढकें” और “टेक्स्ट जोड़ें” ही एकमात्र ईमानदार विकल्प है।

जब एडिट असल में दोबारा लिखना हो — पैराग्राफ़ को फिर से फ़्लो करना, टेबल खिसकाना, डॉक्यूमेंट की स्टाइल बदलना — तो कोई भी PDF एडिटर सही टूल नहीं है, महंगे वाले भी नहीं, क्योंकि जो स्ट्रक्चर आप बदलना चाहते हैं वह PDF बनते समय ही हटा दिया गया था। अगर सोर्स डॉक्यूमेंट मौजूद है तो उसी पर लौटें, या Word में बदलें और वहां एडिट करें। कई फ़ाइलों में स्क्रिप्ट से बदलाव के लिए pikepdf और mutool clean -d कंटेंट स्ट्रीम को सीधे खोलकर देते हैं, और किसी को भी पहले पेज रेंडर करने की ज़रूरत नहीं।