Электронные книги и их форматы: рассказываем про PDF — его историю, плюсы и минусы

В нашем блоге мы уже обсуждали специфику стандартов DjVu ^[1], FB2 и FB3 ^[2]. Сегодня рассказываем про формат PDF, который стал воплощением мечты о «безбумажном офисе».

^[3]
/ Flickr / Kim Siever ^[4] / PD

Краткая история формата

Создателем PDF, или Portable Document Format, выступил Джон Уорнок (John Warnock), один из основателей Adobe, который захотел облегчить процесс распечатки текста и изображений с компьютера. В 1984 году Уорнок представил ^[5] язык описания страниц PostScript ^[6].

В «Википедии» в качестве примера приводится код на PostScript, который отрисовывает несколько слов «Wikipedia» по кругу ^[7].

%!PS-Adobe-1.0
% По умолчанию, постскрипт использует единицу измерения 1 пункт=1/72 дюйма,
% а нам нравятся миллиметры.
72 25.4 div           % 1 мм = 72/25.4 пунктов
dup                   % дублировать значение на вершине стека
scale                 % растянуть в это количество раз по обеим координатам
100 100 translate     % установить начало координат в (100 мм, 100 мм)

/Times-Roman findfont % взять шрифт Times-Roman
10 scalefont          % растянуть до размера 10 (у нас - мм!)
setfont               % установить выбранный шрифт

0 30 330 {            % цикл для углов от 0 до 330 с шагом 30
  gsave                 % запомнить текущее преобразование координат
    rotate              % повернуть систему координат (угол в градусах берём с вершины стека)
    15 0 moveto         % перейти в точку (15 мм, 0 мм)
    (Wikipedia) show    % написать слово текущим шрифтом
  grestore              % вернуть преобразование координат
} for                 % конец цикла for

showpage              % вывести страницу

Изначально PostScript разрабатывался как инструмент для распечатки документов на принтере, но позже Уорнок решил, что с помощью нового языка можно не только выводить документы на печать, но и полностью «оцифровать» систему документооборота.

В рамках этого видения в Adobe (основателем которой был Уорнок) создали формат IPS (расшифровывается аббревиатура как Interchange PostScript). Для работы с ним был создан Adobe Illustrator — кроссплатформенный графический редактор для Windows и Mac.

Впервые IPS показали на конференции Seybold в Сан-Хосе в 1991 году, но с таким названием формат просуществовал два года — в 1993 его переименовали в PDF. Тогда же появились Acrobat Distiller и Acrobat Reader (позднее переименованная в Adobe Reader).

Первое время PDF не пользовался популярностью. Всему виной была высокая цена на софт: Acrobat Distiller для личного пользования стоил ^[8] 700 долларов, а для корпоративного — 2500 долларов. За Acrobat Reader просили еще 50 долларов. Со временем Adobe снизили цены, и популярность PDF стала набирать обороты.

К началу нулевых Acrobat Reader 4.0 скачали ^[9] сто миллионов человек, а PDF-формат стали использовать крупные ИТ-компании, например Microsoft и Apple.

Как «работает» PDF

Базовый подход к представлению графики и текста в PDF очень похож на тот, что использовался ^[10] PostScript. За отображение текста на странице отвечают так называемые текстовые элементы. Они обозначают, в каком месте должны быть отрисованы символы. На «Википедии» приводится код ^[11] для написания Hello World:

/Courier              % Название шрифта
 20 selectfont        % Размер шрифта в пунктах

 72 500 moveto        % Установка указателя по координатам 72, 500

 (Hello world!) show  % Вывести текст в скобках
 showpage             % Отобразить его на странице

Для отрисовки векторной графики в PDF используются контуры (paths): прямые линии или кубические кривые Безье ^[12]. Фигуры, построенные с помощью контуров, можно залить цветом или заштриховать. Что касается растровых изображений, то их представляют в виде словарей ^[13] и потоков ^[14]. В словарях описаны свойства, а поток содержит двоичную информацию об изображении.

Размер PDF-файла зависит от разрешения картинок, параметров шрифтов, использования гиперссылок, видео и проч. До двухтысячных годов размер PDF-файлов измерялся мегабайтами, потому что большинство документов составляли из JPEG-картинок. Для решения этой проблемы в Adobe предложили технологию сжатия MRC (Mixed Raster Content ^[15]).

MRC «делит ^[16]» отсканированный файл на слои: фоновый слой, слой текста и цветовую маску. За сжатие информации, имеющейся на каждом слое, отвечает свой кодек. Например, для текста может использоваться JBIG2 ^[17], который формирует группы из похожих букв и составляет из них словарь. Так, одинаковые символы кодируются по одному разу, а в остальных местах используются просто ссылки на них.

Для сжатия другого контента задействуют кодеки JPEG, JPEG2000 или ZIP. С помощью них сохраняются фон изображения, цветовыделение текста, картинки и фотографии. За счет такого подхода размер каждой страницы уменьшается в два раза и более. Наглядные примеры сжатия PDF приводит компания Abbyy в их блоге на Хабре ^[18].

Достоинства формата PDF

Одним из главных достоинств PDF-файлов является тот факт, что все страницы выглядят именно так, как их задумал автор документа. Формат сохраняет ^[19] оригинальный фон, шрифты и картинки в первозданном виде, независимо от устройства или операционной системы. При этом PDF позволяет работать с интерактивными элементами: гиперссылками ^[20] для навигации по сноскам. Также в документ добавляются ^[21] медиафайлы: музыка, GIF и даже видеоролики.

При этом PDF-файл можно сделать доступным только для чтения, что помогает защитить содержимое документа от копирования и внесения изменений. Для дополнительной защиты есть возможность поставить пароль ^[22] или электронную подпись.

Другое достоинство формата — его доступность. Программа для чтения PDF-документа Adobe Acrobat Reader сегодня лежит ^[23] в сети в свободном доступе. Открывать PDF можно и на электронных книгах. Большая часть из них «умеет» работать с этим форматом по умолчанию. Его поддерживают ^[24] многие приложения-читалки, например, FBreader ^[25] или NEO Reader, установленный в устройствах ONYX BOOX ^[26].

Минусы формата

Неизменяемость PDF-формата, хотя и является его достоинством, также оказывается большим недостатком. Такие файлы (в особенности крупные схемы и графики, ноты, документы большого формата) сложно читать на устройствах с небольшими экранами — смартфонах, или компактных электронных ридерах. Страница просто не помещается ^[19] на экране устройства, или текст отображается слишком мелким.

На рынке есть электронные читалки с разрешением дисплея в 13,3 или 10,3 дюйма, что позволяет комфортно работать с листами PDF формата А4. Примерами таких гаджетов могут быть ONYX BOOX MAX 2 ^[27] (обзор которого мы подготовили в нашем блоге ^[28]), ONYX BOOX Note ^[29] или ONYX BOOX Gulliver ^[30] (на него тоже есть обзор ^[31]). Они дают возможность рассмотреть все детали чертежей и иллюстраций в оригинальном размере и подойдут тем, кому часто приходится читать техническую литературу. Однако стоимость таких гаджетов довольно высока.

На фото: ONYX BOOX MAX 2 ^[27]

Возникает и другая проблема с отображением страниц документов. Она связана с форматом JBIG2. Хотя кодек позволяет сжать текст в несколько раз, он подвержен влиянию проблемы «инь» (о ней мы писали в материале про DjVu ^[1]). При сжатии текста и составлении словаря некоторые символы заменяются на похожие (например, «и» превращается в «н»), что приводит к искажению сути текста.

С редактированием PDF-файлов также возникают проблемы, так как для этого приходится устанавливать специальные программы, которые часто платные (например, Acrobat DC ^[32]). В сети найдутся и бесплатные сервисы для редактирования вроде PDF2GO ^[33], но они позволяют лишь добавить текст или картинки «поверх» оригинального файла.

Дальнейшее развитие

Несмотря на недостатки, сегодня PDF остается популярным форматом. Маркетинговая компания HubSpot спросила ^[34] три тысячи посетителей своего сайта о том, что они делают с электронными книгами: читают онлайн или скачивают в PDF. Выяснилось, что 90% респондентов предпочитают скачивать PDF-файл.

Разработчики постоянно добавляют новые фичи, в том числе и для чтения на портативных гаджетах. К примеру, в начале 2018 команда Adobe снабдила ^[35] приложение Acrobat DC улучшенными функциями отображения и редактирования файлов на мобильных устройствах.

Кроме того, в августе появились сведения о новом проекте — PDF audible ^[36]. Он позволит совместить возможности PDF и функциональность голосовых помощников: Alexa, Google Home и Siri. Пока готов только прототип, но разработчики обещают выпустить рабочую версию в ближайшее время.

В Adobe следят за новыми направлениями и намерены сделать формат более интерактивным, например, добавить функции дополненной реальности. Как это будет выглядеть, пока не ясно, но разработчики обещают ^[36], что PDF-экосистема в ближайшие годы выйдет на новый уровень взаимодействия с пользователем.

Автор: IvanPavlov

Источник ^[40]