Chỉnh sửa PDF

Vì sao chỉnh sửa PDF khó hơn chỉnh sửa tài liệu

PDF không có đoạn văn. Một trang giống như một chương trình vẽ, và chữ trong đó là chuỗi lệnh đặt những glyph cụ thể tại những tọa độ cụ thể — không có gì ghi lại rằng các glyph đó tạo thành một câu, một dòng hay một cột. Mọi thứ trình chỉnh sửa này làm đều bắt đầu bằng việc dựng lại cấu trúc đã mất đó: luồng nội dung được phân tích ngược lại thành các lệnh vẽ, các phông chữ mà trang dùng được đọc ra từ tài nguyên của trang, và mã glyph được chuyển lại thành ký tự đọc được thông qua bảng ánh xạ ký tự riêng của từng phông chữ. Các phần mềm hiện đại nhúng những bộ phông chữ rút gọn hai byte mà mã của chúng chỉ là số thứ tự glyph thô, hoàn toàn không liên quan đến Unicode, nên thiếu bảng ánh xạ đó thì chữ trên trang thực sự không đọc được chứ không chỉ là khó đọc.

Sau đó, để sắp chữ lại một dòng cần có thông số của phông chữ, không chỉ tên phông chữ — độ rộng của từng glyph, đọc từ mảng độ rộng phẳng mà phông chữ đơn giản mang theo, hoặc từ dạng mã hóa theo đoạn mà phông chữ lớn sử dụng — vì chữ mới phải được đo bằng chính kiểu chữ của tài liệu trước khi đặt vào. Đó là lý do dòng được viết lại giữ nguyên phông chữ, cỡ chữ và màu của bản gốc thay vì bị che bằng một miếng trắng rồi gõ lại, và cũng là nguồn gốc của giới hạn cần nói rõ: chữ không tự dàn lại dòng. Câu dài hơn chiếm nhiều chỗ hơn trên dòng của nó và không đẩy dòng tiếp theo xuống, vì không có dòng tiếp theo nào để đẩy — chỉ có thêm các lệnh ở tọa độ cố định. Acrobat cũng hoạt động như vậy, vì cùng lý do đó.

Phông chữ nhúng thường là bộ rút gọn, chỉ chứa những glyph mà tài liệu đã dùng. Gõ một ký tự không có trong bộ rút gọn thì không có glyph nào để vẽ, nên trình chỉnh sửa sẽ báo cho bạn thay vì ghi ra chỗ trống hoặc âm thầm thay bằng một kiểu chữ khác. Chữ mới thêm vào tránh được vấn đề này bằng cách nhúng một phông chữ Unicode đầy đủ, hỗ trợ chữ Latin, Kirin và Hy Lạp — đó là lý do công cụ Thêm chữ có thể gõ tiếng Ba Lan, tiếng Thổ Nhĩ Kỳ hay tiếng Nga vào một tài liệu chưa từng chứa các ngôn ngữ đó. Những hệ chữ cần tạo hình theo ngữ cảnh bị từ chối hoàn toàn: chữ Ả Rập thay đổi hình dạng theo vị trí và các chữ ghép tiếng Bengal là một glyph duy nhất, nên đặt các mã ký tự của chúng nối tiếp nhau không chỉ tạo ra chữ xấu mà là chữ sai.

Tọa độ được lật đúng một lần. Giao diện tính từ đầu trang xuống vì đó là cách con người đọc; PDF lại đo từ dưới lên. Mọi nét được lưu trong hệ tọa độ thứ nhất và chuyển sang hệ thứ hai ngay lúc được ghi vào file, tại một chỗ duy nhất — đây là nguyên tắc duy nhất đảm bảo chữ ký không bị lộn ngược hay phần tô sáng không nằm lệch hẳn xuống dưới câu của nó.

Khi bạn cần công cụ khác

Trang scan không có chữ để sửa — đó là ảnh chụp của chữ, và trong luồng nội dung không có gì ngoài một hình ảnh. Hãy chạy qua OCR trước để có chữ mà làm việc, hoặc chấp nhận rằng Che phủ và Thêm chữ là lựa chọn thực tế duy nhất trên trang đó.

Khi việc cần sửa thực chất là viết lại — dàn lại một đoạn văn, di chuyển một bảng, định dạng lại tài liệu — không trình chỉnh sửa PDF nào là công cụ phù hợp, kể cả những phần mềm đắt tiền, vì cấu trúc bạn muốn thay đổi đã bị loại bỏ khi PDF được tạo ra. Hãy quay lại tài liệu gốc nếu còn, hoặc chuyển sang Word rồi chỉnh sửa ở đó. Để thay đổi hàng loạt file bằng script, pikepdf và mutool clean -d cho phép truy cập trực tiếp luồng nội dung và không cái nào cần kết xuất trang trước.