Waarom font-subsetting bewerken breekt maar niet lezen

Een PDF kan er perfect uitzien en toch het volgende teken dat u typt weigeren. Dat ligt vaak niet aan een kapotte viewer. Het is font-subsetting: het bestand sluit alleen de glyphs in die het bij het schrijven nodig had, en bij bewerken is een glyph nodig die nooit is meegegeven.

Wat een subset is

TrueType- en OpenType-fonts kunnen tienduizenden glyphs bevatten. Een memo van tien pagina's gebruikt er misschien een paar honderd. Subsetting herschrijft het ingebedde font zodat ongebruikte glyphs vervallen. De bestandsgrootte daalt; de weergave op het scherm en op papier blijft voor bestaande tekst hetzelfde, omdat elk teken dat al in het document staat nog aanwezig is.

Lezen en printen lukken dus. De faalwijze komt later: iemand opent de PDF in een editor, typt een letter met accent of een zeldzaam leesteken, en de ontbrekende glyph wordt vervangen, blijft leeg of wordt geweigerd. Kopiëren en plakken van bestaande tekst werkt meestal nog; het is het invoegen van nieuwe tekens dat op het gat in de glyphtabel stuit.

Subsetting is niet het verwijderen van het font

Het fontobject blijft ingebed. Wat verdwijnt, is het ongebruikte deel van de glyphtabel. Dat verschilt van:

• vertrouwen op een systeemfont dat op de machine van de lezer is geïnstalleerd (risico op vervanging tussen besturingssystemen)
• tekst omzetten naar contouren of afbeeldingen (waardoor selecteren en zoeken onmogelijk wordt)
• het bestand versleutelen (Protect); versleuteling maakt geen subsets van glyphs

Veel exportfuncties van kantoorpakketten en stuurprogramma's voor print-to-PDF maken standaard een subset wanneer ze fonts insluiten. De schade ontstaat bij het exporteren, niet wanneer een latere viewer het bestand opent. Opnieuw opslaan via een andere PDF-tool maakt er wel of niet opnieuw een subset van; het herstelt geen glyphs die nooit zijn weggeschreven.

Wat PDF123 Compress werkelijk doet

Compress (POST /api/v1/misc/compress-pdf) vraagt qpdf om streams te comprimeren (--compress-streams=y), flate-data opnieuw te comprimeren en object streams te genereren. Het maakt geen subset van fonts en doet geen bewering over beelddownsampling. Is een bestand al strak in streams, dan verandert de download nauwelijks van grootte. Bevat het bestand al subsetfonts, dan laat Compress die subsets zoals ze zijn; het zet ze niet terug naar volledige fonts.

Voor de manier waarop groottehefbomen in algemene PDF-pijplijnen samenspelen (afbeeldingen, streams, structuur), zie What actually happens when you compress a PDF. Beschouw dat artikel als achtergrond; lees het niet als de bewering dat de Compress-knop van deze site lettertypen van een subset voorziet.

OCR en conversie naar Markdown herstellen evenmin ontbrekende glyphs in de PDF: OCR levert Markdown-tekst, en PDF to Markdown haalt eruit wat de tekstlaag al bevat.

Bewerken versus lezen, in de praktijk

Hebt u een volledige tekenset nodig om te blijven bewerken, dan was subsetting de verkeerde exportinstelling. Kies een bewerkbare bron (Word, Markdown via Markdown to PDF voor een nieuwe weergave) of een PDF die nog een volledig font insluit. Compress op PDF123 zet die glyphs niet terug.

Controleer bij de diagnose “ik kan geen é in deze PDF typen” of de oorspronkelijke export subsets van fonts heeft gemaakt, voordat u de viewer of Repair de schuld geeft. Repair herbouwt de structuur; het vergroot geen glyphtabellen. Een heen-en-weer-conversie via Markdown kan een nieuwe PDF opleveren met de fonts die WeasyPrint voor die weergave insluit. Dat is nuttig voor een nieuw document, niet om het oude subsetfont chirurgisch te herstellen.