PDF 편집

PDF 편집이 일반 문서 편집보다 어려운 이유

PDF에는 문단이 없습니다. 페이지는 일종의 그리기 프로그램이며, 그 안의 텍스트는 특정 글리프를 특정 좌표에 놓으라는 명령의 나열입니다. 그 글리프들이 문장이나 줄, 단을 이룬다는 기록은 어디에도 없습니다. 이 편집기가 하는 모든 일은 사라진 구조를 복원하는 데서 시작합니다. 콘텐츠 스트림을 그리기 연산으로 다시 해석하고, 페이지가 쓰는 글꼴을 리소스에서 읽어 내고, 각 글꼴의 문자 맵을 통해 글리프 코드를 읽을 수 있는 문자로 되돌립니다. 최신 PDF 생성 프로그램은 코드가 유니코드와 아무 관계 없는 글리프 번호일 뿐인 2바이트 서브셋을 내장하므로, 그 맵이 없으면 페이지의 텍스트는 다루기 불편한 정도가 아니라 정말로 읽을 수 없습니다.

한 줄을 다시 조판하려면 글꼴 이름만이 아니라 글꼴의 메트릭이 필요합니다. 모든 글리프의 전진 폭(advance width)을 단순 글꼴이 가진 평면 폭 배열이나 큰 글꼴이 쓰는 런 길이 형식에서 읽어 옵니다. 새 글자를 배치하기 전에 문서 자체의 서체로 길이를 재야 하기 때문입니다. 그래서 다시 쓴 줄은 흰 조각으로 덮고 다시 입력하는 대신 원래의 글꼴, 크기, 색상을 유지하며, 이것이 솔직한 제약의 원인이기도 합니다. 텍스트가 다시 흐르지 않습니다. 문장이 길어지면 그 줄을 더 차지할 뿐 다음 줄을 아래로 밀지 않습니다. 밀어낼 다음 줄이라는 것이 없고, 고정된 좌표에 대한 명령이 더 있을 뿐이기 때문입니다. Acrobat도 같은 이유로 똑같이 동작합니다.

내장 글꼴은 대개 서브셋이라 문서에 이미 쓰인 글리프만 담고 있습니다. 서브셋에 없는 글자를 입력하면 그릴 글리프가 없으므로, 편집기는 빈칸을 쓰거나 몰래 다른 서체로 바꾸는 대신 그렇다고 알려 드립니다. 새로 추가하는 텍스트는 라틴, 키릴, 그리스 문자를 모두 담은 완전한 유니코드 서체를 내장해 이 문제를 피합니다. 그래서 “텍스트 추가” 도구로 한 번도 그런 글자가 들어간 적 없는 문서에 폴란드어, 튀르키예어, 러시아어를 입력할 수 있습니다. 문맥에 따른 셰이핑이 필요한 문자는 아예 거부합니다. 아랍 문자는 위치에 따라 모양이 바뀌고 벵골어 결합 문자는 하나의 글리프이므로, 코드 포인트를 차례로 늘어놓으면 보기 흉한 정도가 아니라 틀린 텍스트가 됩니다.

좌표는 딱 한 번 뒤집힙니다. 사람은 위에서 아래로 읽으므로 인터페이스는 페이지 위쪽을 기준으로 동작하지만, PDF는 아래쪽부터 잽니다. 모든 표시는 첫 번째 좌표계로 저장되었다가 파일에 기록되는 순간 한곳에서 두 번째 좌표계로 변환됩니다. 서명이 거꾸로 찍히거나 형광펜이 문장보다 한참 아래에 칠해지는 일을 확실히 막는 유일한 원칙입니다.

다른 작업이 필요할 때

스캔한 페이지에는 편집할 텍스트가 없습니다. 텍스트를 찍은 사진일 뿐이며, 콘텐츠 스트림에는 이미지밖에 없습니다. 먼저 PDF OCR을 실행해 다룰 수 있는 글자를 만들거나, 그 페이지에서는 “가리기”와 “텍스트 추가”가 유일한 현실적인 방법임을 받아들이세요.

문단을 다시 흘리거나, 표를 옮기거나, 문서 스타일을 바꾸는 것처럼 편집이 사실상 다시 쓰기라면, 비싼 프로그램을 포함해 어떤 PDF 편집기도 알맞은 도구가 아닙니다. 바꾸려는 구조가 PDF를 만들 때 이미 버려졌기 때문입니다. 원본 문서가 있다면 원본으로 돌아가거나, PDF 워드 변환으로 변환해서 거기서 편집하세요. 많은 파일을 스크립트로 수정하려면 pikepdf와 mutool clean -d가 콘텐츠 스트림을 직접 다룰 수 있게 해 주며, 둘 다 페이지를 먼저 렌더링할 필요가 없습니다.