Форматы PDF, изображений и текстовых файлов¶
PDF (Portable Document Format) — межплатформенный формат электронных документов, разработанный компанией Adobe в 1993 году для представления текста, изображений и векторной графики в неизменном виде независимо от устройства и программы просмотра. Формат стандартизирован как ISO 32000 и широко применяется для обмена документами, печати и долговременного хранения. Наряду с PDF для работы с содержимым используются растровые и векторные форматы изображений, а также текстовые форматы — от простого TXT до размеченных и офисных.
¶Формат PDF
PDF описывает документ как набор объектов: страниц, шрифтов, графических элементов и метаданных. Ключевая особенность — фиксированная вёрстка: документ выглядит одинаково на любом устройстве. Внутри PDF может содержаться текст, векторная графика, растровые изображения, встроенные шрифты, гиперссылки, формы и мультимедиа.
Различают несколько подвидов:
- PDF/A — стандарт ISO для долговременного архивирования, запрещает внешние зависимости.
- PDF/X — для типографской печати с контролем цветовых параметров.
- PDF/E — для инженерной документации.
- PDF/UA — для доступности людям с ограниченными возможностями.
Текст в PDF может быть «живым» (доступным для поиска и копирования) либо представленным в виде изображения (сканы). Для распознавания сканированного текста применяют технологии OCR.
¶Растровые изображения
Растровое изображение — это сетка пикселей, каждый из которых несёт информацию о цвете. Основные характеристики — разрешение (в пикселях) и глубина цвета. Распространённые форматы:
| Формат | Сжатие | Особенности |
|---|---|---|
| JPEG | с потерями | фотографии, малый размер |
| PNG | без потерь | прозрачность, графика |
| GIF | без потерь | 256 цветов, анимация |
| TIFF | без потерь | печать, сканирование |
| WebP | с потерями и без | веб, современный формат |
| BMP | без сжатия | большой размер |
Растровые форматы применяются в фотографии, веб-графике и сканировании документов. При увеличении они теряют чёткость из-за пикселизации.
¶Векторные изображения
Векторная графика описывает изображение математически — через линии, кривые и заливки. Она масштабируется без потери качества. Основные форматы: SVG (веб), AI (Adobe Illustrator), EPS, CDR (CorelDRAW). Векторные изображения применяются в логотипах, схемах, чертежах и полиграфии.
¶Текстовые форматы
Текстовые файлы хранят символы в той или иной кодировке (UTF-8, Windows-1251, ASCII). Различают:
- TXT — простой неформатированный текст.
- RTF — текст с базовым форматированием.
- DOC/DOCX — форматы Microsoft Word, включающие разметку, таблицы, изображения.
- ODT — открытый формат офисных документов.
- HTML, Markdown — размеченный текст для веба и документации.
- CSV — табличные данные в виде текста.
Кодировка определяет, какие символы (в том числе кириллица) корректно отображаются. Неверная кодировка приводит к «кракозябрам».
¶Взаимодействие форматов
На практике форматы часто конвертируют друг в друга. Изображения вставляют в PDF и текстовые документы; PDF экспортируют в изображения (JPEG, PNG) для предпросмотра; сканы распознают в текст. Инструменты для этого — Adobe Acrobat, LibreOffice, графические редакторы, онлайн-конвертеры и библиотеки (например, iText, PyPDF, Pillow).
¶Применение в России
В России PDF является де-факто стандартом для юридически значимых документов, электронного документооборота и отчётности. Государственные органы, банки и суды принимают документы в PDF, часто с электронной подписью. Для архивного хранения используется PDF/A. Растровые форматы (JPEG, PNG, TIFF) применяются при сканировании и в системах электронного архива, текстовые — для обмена данными и программирования. Популярны отечественные офисные пакеты и просмотрщики, поддерживающие эти форматы.
¶Безопасность и ограничения
PDF может содержать скрипты и встроенные файлы, что создаёт риски. Для защиты применяют пароли, шифрование и цифровые подписи. Изображения и текстовые файлы также могут нести вредоносный код (например, макросы в DOC). Рекомендуется открывать файлы из проверенных источников и использовать актуальные версии программ.
¶Стандартизация
PDF стандартизирован ISO (32000), изображения — ISO/IEC и W3C (PNG, JPEG, SVG), текстовые кодировки — Unicode Consortium и ISO/IEC 10646. Соблюдение стандартов обеспечивает совместимость между программами и платформами.
Источники: ISO 32000, спецификации Adobe PDF, документация W3C по PNG и SVG, стандарты Unicode, материалы по форматам растровой и векторной графики.