Γιατί η υποσυνολοποίηση γραμματοσειρών σπάει την επεξεργασία αλλά όχι την ανάγνωση

Ένα PDF μπορεί να φαίνεται τέλειο και να αρνείται τον επόμενο χαρακτήρα που θα πληκτρολογήσετε. Αυτό συχνά δεν είναι χαλασμένο πρόγραμμα προβολής. Είναι υποσυνολοποίηση γραμματοσειρών: το αρχείο ενσωματώνει μόνο τους χαρακτήρες που χρειάστηκε όταν γράφτηκε, και η επεξεργασία ζητά έναν χαρακτήρα που δεν πακεταρίστηκε ποτέ.

Τι είναι ένα υποσύνολο

Οι γραμματοσειρές TrueType και OpenType μπορούν να περιέχουν δεκάδες χιλιάδες χαρακτήρες. Ένα σημείωμα δέκα σελίδων μπορεί να χρησιμοποιεί μερικές εκατοντάδες. Η υποσυνολοποίηση ξαναγράφει την ενσωματωμένη γραμματοσειρά ώστε να πέφτουν οι αχρησιμοποίητοι χαρακτήρες. Το μέγεθος του αρχείου μειώνεται· η απόδοση στην οθόνη και στην εκτύπωση του υπάρχοντος κειμένου μένει ίδια, επειδή κάθε χαρακτήρας που υπάρχει ήδη στο έγγραφο παραμένει παρών.

Η ανάγνωση και η εκτύπωση πετυχαίνουν, επομένως. Ο τρόπος αποτυχίας εμφανίζεται αργότερα: κάποιος ανοίγει το PDF σε επεξεργαστή, πληκτρολογεί ένα γράμμα με τόνο ή σπάνιο σημείο στίξης, και ο χαρακτήρας που λείπει αντικαθίσταται, βγαίνει κενός ή απορρίπτεται. Η αντιγραφή και επικόλληση υπάρχοντος κειμένου συνήθως λειτουργεί ακόμη· αυτό που χτυπά την τρύπα στον πίνακα χαρακτήρων είναι η εισαγωγή νέων.

Η υποσυνολοποίηση δεν αφαιρεί τη γραμματοσειρά

Το αντικείμενο της γραμματοσειράς παραμένει ενσωματωμένο. Αυτό που φεύγει είναι το αχρησιμοποίητο μέρος του πίνακα χαρακτήρων. Αυτό διαφέρει από:

• Την εξάρτηση από γραμματοσειρά συστήματος εγκατεστημένη στη μηχανή του αναγνώστη (κίνδυνος υποκατάστασης μεταξύ λειτουργικών συστημάτων)
• Τη μετατροπή κειμένου σε περιγράμματα ή εικόνες (που σκοτώνει την επιλογή και την αναζήτηση)
• Την κρυπτογράφηση του αρχείου (Protect)· η κρυπτογράφηση δεν υποσυνολοποιεί χαρακτήρες

Πολλοί εξαγωγείς γραφείου και οδηγοί εκτύπωσης σε PDF υποσυνολοποιούν εξ ορισμού όταν ενσωματώνουν γραμματοσειρές. Η ζημιά γίνεται τη στιγμή της εξαγωγής, όχι όταν ένα μεταγενέστερο πρόγραμμα προβολής ανοίξει το αρχείο. Η εκ νέου αποθήκευση μέσω άλλου εργαλείου PDF μπορεί ή μπορεί να μην υποσυνολοποιήσει ξανά· δεν θα αποκαταστήσει μαγικά χαρακτήρες που δεν γράφτηκαν ποτέ.

Τι κάνει στην πραγματικότητα το Compress του PDF123

Η Συμπίεση (POST /api/v1/misc/compress-pdf) ζητά από το qpdf να συμπιέσει τις ροές (--compress-streams=y), να επανασυμπιέσει δεδομένα flate και να παράγει ροές αντικειμένων. Δεν υποσυνολοποιεί γραμματοσειρές και δεν διεκδικεί υποδειγματοληψία εικόνων. Αν ένα αρχείο έχει ήδη σφιχτές ροές, το μέγεθος της λήψης μπορεί να αλλάξει ελάχιστα. Αν το αρχείο περιέχει ήδη υποσύνολα γραμματοσειρών, το Compress τα αφήνει όπως είναι· δεν τα επεκτείνει πίσω σε πλήρεις γραμματοσειρές.

Για το πώς αλληλεπιδρούν οι μοχλοί μεγέθους σε γενικούς αγωγούς PDF (εικόνες, ροές, δομή), δείτε το Τι συμβαίνει πραγματικά όταν συμπιέζετε ένα PDF. Αντιμετωπίστε εκείνο το κείμενο ως υπόβαθρο· μην το διαβάσετε ως ισχυρισμό ότι το κουμπί Συμπίεση αυτού του ιστότοπου υποσυνολοποιεί γραμματοσειρές.

Ούτε το OCR και η μετατροπή σε Markdown αποκαθιστούν χαρακτήρες που λείπουν από το PDF: το OCR επιστρέφει κείμενο Markdown και το PDF σε Markdown εξάγει ό,τι περιέχει ήδη το στρώμα κειμένου.

Επεξεργασία ή ανάγνωση, στην πράξη

Αν χρειάζεστε να συνεχίσετε την επεξεργασία με πλήρες σύνολο χαρακτήρων, η υποσυνολοποίηση ήταν η λάθος ρύθμιση εξαγωγής. Προτιμήστε επεξεργάσιμη πηγή (Word, Markdown μέσω Markdown σε PDF για νέα απόδοση) ή ένα PDF που ενσωματώνει ακόμη πλήρη γραμματοσειρά. Το Compress στο PDF123 δεν θα βάλει πίσω εκείνους τους χαρακτήρες.

Όταν διαγιγνώσκετε το «δεν μπορώ να πληκτρολογήσω é σε αυτό το PDF», ελέγξτε αν η αρχική εξαγωγή υποσυνολοποίησε γραμματοσειρές πριν κατηγορήσετε το πρόγραμμα προβολής ή την Επισκευή. Η Επισκευή ξαναχτίζει τη δομή· δεν επεκτείνει πίνακες χαρακτήρων. Μια διαδρομή μέσω Markdown μπορεί να παραγάγει νέο PDF με όποια γραμματοσειρά ενσωματώνει το WeasyPrint για εκείνη την απόδοση, κάτι χρήσιμο για νέο έγγραφο, όχι για χειρουργική αποκατάσταση του παλιού υποσυνόλου.