RTFをPDFに変換

何もかもがXMLになる前の形式

RTFは、書式を制御語として書き込んだプレーンテキスト形式です。どのテキストエディターでも読めること、まさにそれが生き残った理由です。Microsoftが1987年にワープロソフト間の交換形式として公開したもので、法務文書システム、古いデータベース、そして医療や行政のソフトウェアの多くは、どこでも開ける書式付きテキストが必要なとき、今でもRTFを出力しています。

RTFで表現できるものはすべて再現されます。フォント、サイズ、太さ、色、段落の配置と間隔、リスト、罫線や網掛けを含む表、ヘッダーとフッター、ページサイズと余白、脚注、ハイパーリンクです。テキストは選択可能な本物のテキストのままです。RTFはワープロソフト独自の形式よりはるかに単純なので、この変換はほかの多くの変換より例外的なケースが少なく、ファイルの中に間違えようのあるものがそもそも少ないのです。

やっかいなのは画像です。Windows時代のRTFは、画像をWMFやEMF、つまり現在のどの仕組みよりも古いインターフェース向けのベクター描画命令として埋め込んでいることがよくあり、これには本格的な描画エンジンが必要です。これらはサーバーでは変換されますが、ブラウザ内の代替変換では省かれ、ページのヘッダーとフッターも含まれません。通常のPNGやJPEGの画像はどちらの方法でも再現されます。変換した文書にロゴや図が欠けていたら、ほぼ間違いなくこれが原因です。

もう1つ知っておくべき癖が文字コードです。RTFはUnicodeより古く、ASCII以外の文字をコードページのエスケープで表し、Unicodeの仕組みは後から付け加えられました。そのため、非常に古いソフトウェアで作られたファイルがコードページを誤って宣言していると、アクセント付きの文字が正しく表示されないことがあります。今世紀に作られたファイルなら問題ありません。

ほかの目的には

LibreOfficeなら同じ変換をお使いの端末で行えます。soffice --headless --convert-to pdf document.rtf は何も外部に送らず、フォルダーごと1つのコマンドで処理でき、ブラウザ内の代替変換では扱えないWMFやEMFの画像も描画します。事件記録、レポート、レターなど、RTFを大量に生成するシステムには、これが適したツールです。

処理の流れの中でRTFを大量に変換するなら、Pandoc（pandoc in.rtf -o out.pdf）が高速でスクリプトからも扱えます。ただしRTFをページレイアウトではなくテキストと書式として扱うため、複雑な文書は簡略化されます。また、RTFが自分で管理しているシステムから出力されたものなら、PDFを直接出力できないか確認してください。変換は1回でも少ないほうが、どんなに良い変換ツールよりも優れています。