Редактировать PDF

Почему редактировать PDF сложнее, чем обычный документ

В PDF нет абзацев. Страница — это рисунок, а текст на ней — набор команд поставить определённые глифы в определённые координаты; нигде не записано, что эти глифы образуют предложение, строку или столбец. Всё, что делает этот редактор, начинается с восстановления утраченной структуры: поток содержимого разбирается обратно на команды рисования, шрифты страницы считываются из её ресурсов, а коды глифов снова превращаются в читаемые символы через собственную таблицу символов каждого шрифта. Современные программы встраивают двухбайтовые подмножества, коды которых — просто номера глифов, никак не связанные с Unicode, поэтому без этой таблицы текст страницы по-настоящему нечитаем, а не просто неудобен.

Чтобы заново набрать строку, нужны метрики шрифта, а не только его название: ширина каждого глифа, считанная из простого массива ширин обычного шрифта или из сжатой формы, которую использует крупный шрифт, — ведь новые слова нужно измерить в гарнитуре самого документа, прежде чем их разместить. Поэтому переписанная строка сохраняет шрифт, размер и цвет оригинала, а не закрывается белой заплаткой с перенабранным текстом, — и отсюда же честное ограничение: текст не переносится заново. Более длинное предложение занимает больше места в строке и не сдвигает следующую строку вниз, потому что никакой следующей строки нет — есть только другие команды с фиксированными координатами. Acrobat ведёт себя так же, по той же причине.

Встроенные шрифты обычно урезаны и содержат только глифы, которые уже есть в документе. Введите символ, которого нет в подмножестве, — и рисовать нечего, поэтому редактор скажет об этом, а не оставит пустое место и не подставит молча другую гарнитуру. Новый текст обходит эту проблему за счёт встроенного полного шрифта Unicode с латиницей, кириллицей и греческим алфавитом — поэтому инструмент «Добавить текст» может набрать польский, турецкий или русский текст в документе, где таких символов никогда не было. Письменности, которым нужно контекстное формирование начертаний, не поддерживаются вовсе: арабские буквы меняют форму в зависимости от положения, а бенгальские лигатуры — это единые глифы, и если просто ставить их кодовые точки одну за другой, текст получится не просто некрасивым, а неправильным.

Координаты переворачиваются ровно один раз. Интерфейс отсчитывает от верха страницы вниз, потому что так люди читают; PDF отсчитывает снизу вверх. Каждая пометка хранится в первой системе и переводится во вторую в момент записи в файл, в одном месте, — только такая дисциплина надёжно не даёт подписи оказаться вверх ногами, а выделению — на пару сантиметров ниже своего предложения.

Если нужно другое

На отсканированной странице нет текста для правки — это фотография текста, и в потоке содержимого нет ничего, кроме изображения. Сначала пропустите её через OCR, чтобы появились слова, с которыми можно работать, или примите, что «Закрасить» и «Добавить текст» — единственный честный вариант для такой страницы.

Когда правка на самом деле означает переписывание — перенос абзаца, перемещение таблицы, смену оформления документа, — никакой PDF-редактор не подходит, включая дорогие, потому что нужная вам структура была отброшена при создании PDF. Вернитесь к исходному документу, если он есть, или конвертируйте в Word и редактируйте там. Для изменений по скрипту во множестве файлов pikepdf и mutool clean -d дают прямой доступ к потоку содержимого, и ни тому ни другому не нужно сначала отрисовывать страницу.