Формат PDF. Описание (про PostScript), преимущества, недостатки. Предназначение и особенности формата. ПО для работы с форматом.

PDF (аббревиатура от англ. Portable Document Format) — разработанный фирмой Adobe Systems с использованием ряда возможностей языка PostScript, как независимый от платформы формат представления в электронном виде полиграфической продукции, различной электронной документации (в том числе электронные книги) и презентаций.

PostScript – язык программирования для работы с принтерами. Технология PostScript позволяет упростить и автоматизировать процесс печати. Во время вывода на экран документа, содержащего изображение, программа макетирования страниц преобразовывает пиксели в коды PostScript, которые понятны принтеру. Во время вывода пиксели заменяются на последовательности полутоновых точек (half-tone-dots), которые и воспроизводятся при печати. Эти точки круглые, занимают несколько пикселей. В отличие от пикселей, эти точки не имеют специального цвета и не покрывают всего изображения. Бывают разного размера, благодаря чему при их просмотре невооруженном глазом создается впечатление, что присутствуют разные оттенки. Размер точки зависит от цветов тех пикселей, которые она заменила. Программы управления векторной графикой создают истинный код PostScript уровня 2 и 3, который впоследствии отправляется в печатающее устройство. PostScript – язык программирования, имеющий набор управляющих конструкций. Программа на языке PostScriptинтерпретируются, а не компилируются. Все данные, используемые операторами языка, хранятся в стеках. Программа на языке PostScript – это последовательность операторов, заданных в постфиксной нотации или обратной польской записи: операнды записываются перед оператором. Читая файл программы, интерпретатор записывает в стек операнды, затем выполняет оператор, снимая операнды со стека.

Преимущества:

- Кроссплатформенность (означает, что вы можете увидеть документ точно таким же, каким он был создан, вне зависимости от того, на какой платформе он создавался);

- Машино-независимость (может быть напечатан как на принтере, так и на полиграфической машине)

- Компактность, т.к. PDF поддерживает большое количество алгоритмов компрессии данных.

- Мультимедийность (поддерживает элементы, такие как видео- и/или звуковые ролики, так же как и гипертекстовые элементы и превью страниц)

- PDF поддерживает безопасность. Создатель PDF-файла может задать несколько опций безопасности. Возможно заблокировать файл так, что он может быть открыт только после ввода пароля. Также возможно запретить изменение файла и/или его печать.

Недостатки:

- PDF — патентованный формат компании Adobe, соответственно имеет закрытую структуру.

- PDF пытается стать всеохватывающим стандартом, что не позволяет ему быть настолько эффективным, как специализированные решения. Вы можете использовать PDF в Интернете, но HTML-файлы более эффективны. Можно использовать PDF для обмена графикой, но большинство препресс-приложений используют форматы EPS и TIFF.

- PDF-файлы сложно редактировать. Небольшие изменения могут быть внесены, но очень сложно, если не невозможно, добавлять блоки текста или изображения в существующий PDF-файл.

Особенности: В формате PDF реализована возможность внедрять необходимые шрифты (построчный текст), векторные и растровые изображения, формы и мультимедиа-вставки. Поддерживает RGB, CMYK, несколько типов сжатия растровой информации. Имеет собственные технические форматы для полиграфии: PDF/X-1, PDF/X-3. Включает механизм электронных подписей для защиты и проверки подлинности документов. Имеется возможность импорта из большинства современных форматов текстовых документов, векторных и растровых графических форматов.

PDF MRC – свой метод сжатия. Это тот же PDF, но заимствующий многие элементы из DjVu.

При использовании MRC размер страницы уменьшается в несколько раз при сохранении качества. Это происходит благодаря решению разделить изображение на слои и каждый слой сжимать наиболее подходящим кодеком. Текст сжимается кодеком JBIG2, всё остальное сжимается с помощью JPEG/JPEG2000/ZIP с разным качеством.

PDF может быть использован для:

- создания электронных документов;

- обмена данными (многие приложения могут читать PDF-файлы);

- архивирования данных (существуют приложения, позволяющие индексировать PDF-файлы, что позволяет создавать электронные библиотеки в PDF-формате);

- интерактивных документов (PDF может быть использован для создания электронных форм, данные из которых хранятся в базе данных).

Традиционным способом создания PDF-документов является виртуальный принтер т.е. документ как таковой готовится в своей специализированной программе — графическом или текстовом редакторе, САПР и т.д. А затем экспортируется в pdf для распространения в электронном виде, передачи в типографию и т.п. Все данные в нем могут сжиматься, причем по-разному: JPEG, RLE, CCITT, ZIP. PDF может также сохранять всю информацию для выводного устройства, которая была в исходном PostScript-файле.

Для просмотра можно использовать официальную бесплатную программу Acrobat Reader, а также программы сторонних разработчиков.

Для создания и редактирования:

Многие приложения, такие как Corel Draw 9 или Adobe InDesign, имеют опцию «export to PDF».

Из приложений, которые не имеют этой опции, вы можете просто напечатать документ в PostScript-файл и затем использовать отдельное приложение под названием Adobe Acrobat Distiller для конвертации его в PDF-файл.

Приложение Adobe Acrobat (раньше называлось Exchange) может быть использовано для добавления в PDF-файл мультимедийных функций, гиперлинков, закладок и прочего.

5. Формат PDF. Описание, преимущества, недостатки. Обобщённая структура формата. Структура файла. Структура документа. Три типа структурированных документов.

PDF (аббревиатура от англ. Portable Document Format) — разработанный фирмой Adobe Systems с использованием ряда возможностей языка PostScript, как независимый от платформы формат представления в электронном виде полиграфической продукции, различной электронной документации (в том числе электронные книги) и презентаций.

PostScript – язык программирования для работы с принтерами. Технология PostScript позволяет упростить и автоматизировать процесс печати. Во время вывода на экран документа, содержащего изображение, программа макетирования страниц преобразовывает пиксели в коды PostScript, которые понятны принтеру. Во время вывода пиксели заменяются на последовательности полутоновых точек (half-tone-dots), которые и воспроизводятся при печати. Эти точки круглые, занимают несколько пикселей. В отличие от пикселей, эти точки не имеют специального цвета и не покрывают всего изображения. Бывают разного размера, благодаря чему при их просмотре невооруженном глазом создается впечатление, что присутствуют разные оттенки. Размер точки зависит от цветов тех пикселей, которые она заменила. Программы управления векторной графикой создают истинный код PostScript уровня 2 и 3, который впоследствии отправляется в печатающее устройство. PostScript – язык программирования, имеющий набор управляющих конструкций. Программа на языке PostScriptинтерпретируются, а не компилируются. Все данные, используемые операторами языка, хранятся в стеках. Программа на языке PostScript – это последовательность операторов, заданных в постфиксной нотации или обратной польской записи: операнды записываются перед оператором. Читая файл программы, интерпретатор записывает в стек операнды, затем выполняет оператор, снимая операнды со стека.

Преимущества:

- Кроссплатформенность (означает, что вы можете увидеть документ точно таким же, каким он был создан, вне зависимости от того, на какой платформе он создавался);

- Машино-независимость (может быть напечатан как на принтере, так и на полиграфической машине)

- Компактность, т.к. PDF поддерживает большое количество алгоритмов компрессии данных.

- Мультимедийность (поддерживает элементы, такие как видео- и/или звуковые ролики, так же как и гипертекстовые элементы и превью страниц)

- PDF поддерживает безопасность. Создатель PDF-файла может задать несколько опций безопасности. Возможно заблокировать файл так, что он может быть открыт только после ввода пароля. Также возможно запретить изменение файла и/или его печать.

Недостатки:

- PDF — патентованный формат компании Adobe, соответственно имеет закрытую структуру.

- PDF пытается стать всеохватывающим стандартом, что не позволяет ему быть настолько эффективным, как специализированные решения. Вы можете использовать PDF в Интернете, но HTML-файлы более эффективны. Можно использовать PDF для обмена графикой, но большинство препресс-приложений используют форматы EPS и TIFF.

- PDF-файлы сложно редактировать. Небольшие изменения могут быть внесены, но очень сложно, если не невозможно, добавлять блоки текста или изображения в существующий PDF-файл.

Структура формата:

- Объекты (несколько типов: логические; числовые; последовательность символов; таблицы, состоящие из 2 элементов, включающих значения; объекты типа stream)

- Структура файла

- Структура документа

- Страничное описание

Структура файла:

Заголовок (Первая строка PDF-файла, определяет номер спецификации PDF, которой придерживается данный файл, грубо говоря, версию файла)

Тело (Содержит последовательность косвенных объектов, входящих в состав публикации. Объекты - это компоненты публикации: страницы, изображения, шрифты. Комментарии могут быть во всем PDF-файле. Их синтаксис совпадает с синтаксисом комментариев в PostScript, они начинаются с % и заканчиваются символом конца строки)

Таблица перекрестных ссылок (Таблица содержит информацию о каждом объекте в файле в виде одной строки описания места объекта в файле. PDF-файл содержит таблицу, состоящую из одного или более разделов. Если нет изменений или добавлений в файл, таблица состоит из одного раздела. В противном случае в ее состав добавляется новый раздел.)

Трейлер (позволяет программному приложению при чтении PDF-файла быстро находить таблицу перекрестных ссылок и специальные объекты. Приложения должны читать PDF-файл с конца)

Структура документа – иерархия объектов, содержащихся в теле PDF-файла.

Каталог – главный объект, содержащий ссылки на дерево страниц в документе, ссылку на дерево объектов, представляющих схему документа, ссылки на статьи и места их назначения. Каталог может показывать также, где хранятся публикации.

Дерево страниц - доступ к страницам документа открывается через дерево узлов, названное деревом страниц. Это дерево определяет порядок страниц в документе. Структура дерева позволяет приложению быстро открыть документ, содержащий тысячи страниц, используя ограниченный объем памяти. Структура дерева страниц документа не связана с содержимым документа.

Дерево закладок – описывает содержание и последовательность закладок на странице.

Дерево статей – может включать несколько статей, которые могу содержать несколько фрагментов.

Место назначение - комментарии и закладки могут определять место назначения, которое состоит из страницы, места на странице и масштаба показа страницы.

3 типа структурирования PDF-файлов:

Плюсы:

- главный плюс – это, безусловно, небольшой размер;

- при небольшом размере файла сохраняется хорошее качество изображений и особенно текста;

- обрабатывается только видимое изображение, что снижает нагрузку на потребление ресурсов компьютера, что особо актуально для файлов большого размера и для владельцев слабых машин;

- возможность использования формата для отображения литературы и документов, содержащих формулы, диаграммы, таблицы, а также исторических документов, с сохранением фактуры отсканированного документа;

- текст остается четким даже при сильном увеличении.

Минусы: DjVu – это сжатие изображения с потерями. То есть часть информации неизбежно теряется. В основном, это касается картинок.

В основу разработки формата положено 6 технологий:

1) Алгоритм отделения текста от фона на отсканированном изображении

2) Вейвлетный алгоритм сжатия фона IW44

3) Универсальный алгоритм сжатия ZIP

4) Алгоритм распаковки «по запросу» (позволяет показать часть изображения, не разворачивая всю картинку в оперативной памяти компьютера, а также легко масштаб. изображение)

5) Алгоритм «маскировки» изображений

6) Алгоритм сжатия чёрно-белых изображений JB2

Для сжатия цветных изображений в DjVu применяется специальная технология, разделяющая исходное изображение на три слоя: передний план, задний план и чёрно-белую (однобитовую) маску. Маска сохраняется с разрешением исходного файла; именно она содержит изображение текста и прочие чёткие детали. Разрешение заднего плана, в котором остаются иллюстрации и текстура страницы, по умолчанию понижается для экономии места. Передний план содержит цветовую информацию о маске; его разрешение обычно понижается ещё сильнее. Затем задний и передний планы сжимаются с помощью вейвлет-преобразования, а маска — алгоритмом JB2.

Особенностью алгоритма JB2 является то, что он ищет на странице повторяющиеся символы и сохраняет их изображение только один раз. В многостраничных документах каждые несколько подряд идущих страниц пользуются общим «словарём» изображений.