John Whitington「PDF構造解説」オライリージャパン 村上雅章訳

本書を先頭から読み進めるだげで、核となる概念を効率よく吸収でき、PDFというフォーマットの内部構造を理解できるようになります。そしてpdftk というフリーウェアの力を借りることで、テキストエディタを使って手作業でPDFファイルを作成したり、プログラムから直接PDFファイルを出力できるようにもなります。
　　――訳者まえがき

【どんな本？】

　PDF(Portable Document Format)は、文書形式の一つだ。主に印刷物など、レイアウトが決まった文書に向く。Adobe Systems が開発し、2008年７月に ISO 32000-1 として国際規格となった。

　インターネット上でも、官公庁が公開する資料や、一般に配布する申請用紙などで使われている。また、Microsoft Word や Adobe Photoshop などのコンピュータで作った文書を書籍化する際は、PDF で入稿する場合が多い。

　普及が進む PDF だが、その構造を知るのは難しい。公開の仕様書は膨大な頁数で、理解するには多くの前提知識が必要だ。この本は、「とりあえず大雑把にPDFの概略を掴みたい」という人向けに、「PDFとは何か」「どんな要素を持っているか」「どんな形式で記述しているか」を解説する。

【いつ出たの？分量は？読みやすい？】

　原書は PDF Explained, by John Whitington, 2012。日本語版は2012年５月22日初版第１刷発行。単行本ソフトカバー横一弾組みで本文約219頁。９ポイント37字×32行×219頁＝約259,296字、400字詰め原稿用紙で約649枚だが、サンプル･コード／サンプル出力／イラスト／表などを多数収録しているので、実際の文字数は６～７割ほど。

　日本語の文章は少々堅い。オライリーの翻訳本では平均的なレベルかな？　内容の難しさは、評価がややこしいので後述。当然ながら、これ一冊でPDFの全てを賄う本ではない。詳しく知りたければ、正規のドキュメントを読もう。また、オライリーの本だけあって、プログラミングの経験がないと辛い。

【構成は？】

　１章～４章は必ず読もう。全体の基礎となる部分だ。５章以降は、気になる所だけを拾い読みすればいい。

訳者まえがき／まえがき １章　はじめに 1.1　簡単な歴史 1.1.1　ページ記述言語 1.1.2　PDFの開発 1.1.3　PDFのメリット 1.1.4　ISO規格 1.1.5　特殊なPDF 1.1.6　各バージョンの概要 1.2　PDFファイルの内部はどうなっているのか？ 1.2.1　テキストとフォント 1.2.2　ベクタイメージ 1.2.3　ラスタイメージ 1.2.4　カラースペース 1.2.5　メタデータ 1.2.6　ナビゲーション 1.2.7　オプショナルコンテンツ 1.2.8　マルチメディア 1.2.9　対話型フォーム 1.2.10　論理構造と再フロー　 1.2.11　セキュリティ 1.2.12　圧縮 1.3　どういった人々がＰＤＦを使うのか？ 1.3.1　印刷業界 1.3.2　電子書籍と出版 1.3.3　PDFのフォーム 1.3.4　文書のアーカイブ 1.3.5　ファイルフォーマットとして 1.4　便利な無償のソフトウェア ２章　簡単なPDFファイルの作成 2.1　PDFの基本的なシンタックス 2.1.1　ドキュメントコンテンツ ページコンテンツ ファイル構造 2.2　ドキュメント構造 2.3　要素を組み立てる 2.3.1　ファイルヘッダ 2.3.2　主となるオブジェクト 2.3.3　グラフィックスコンテンツ 2.3.4　カタログと相互参照テーブル、トレーラ 2.4　すべてをまとめる 2.5　補足 ３章　ファイル構造 3.1　ファイルレイアウト 3.1.1　ヘッダ 3.1.2　本体 3.1.3　相互参照テーブル 3.1.4　トレーラ 3.2　字句規約 3.3　オブジェクト 3.3.1　整数と実数 3.3.2　文字列 3.3.3　名前 3.3.4　ブーリアン値 3.3.5　配列 3.3.6　辞書 3.3.7　間接参照 3.4　ストリームとフィルタ 3.5　インクリメンタル更新 3.6　オブジェクトと相互参照ストリーム 3.7　直線化PDF 3.8　PDFファイルの読み込み方法 3.9　PDFファイルの書き出し方法

４章　ドキュメント構造 4.1　トレーラ辞書 4.2　ドキュメント情報辞書 4.3　ドキュメントカタログ 4.4　ページとページリスト 4.5　テキスト文字列 4.6　日付 4.7　すべてをまとめる ５章　グラフィックス 5.1　コンテンツストリームの内容を覗いてみる 5.2　オペレータとグラフィックスの状態 5.3　パスの生成と塗りつぶし 5.3.1　ベジェ曲線 5.3.2　図形の塗りつぶしとワインディング規則 5.4　カラーとカラースペース 5.5　変換 5.6　クリッピング 5.7　透明度 5.8　シェードとパターン 5.9　フォームXObject 5.10　イメージXObject ６章　テキストとフォント 6.1　PDFにおけるテキストとフォント 6.2　テキストの状態 6.3　テキストの印字 6.3.1　テキストの選択 6.3.2　テキスト空間とテキストの位置決め 6.3.3　テキストの描画 6.4　フォントの定義と埋め込み 6.4.1　PDFにおけるフォントタイプ 6.4.2　Type1フォント 6.4.3　フォントのエンコーディング 6.4.4　フォントの埋め込み 6.5　ドキュメントからテキストを抽出する 6.6　リリース 6.5章　日本語の取り扱い 6.5.1　サンプルコード 6.5.2　フォント辞書 6.5.2.1　エンコーディング 6.5.3　CIDフォント辞書 6.5.3.1　CIDシステム情報 6.5.4　フォントディスクリプタ 6.5.5　ページのコンテンツ ７章　ドキュメントのメタデータとネビゲーション 7.1　しおりとデスティネーション 7.1.1　デスティネーション 7.1.2　ドキュメントアウトライン(しおり) 7.2　XMLメタデータ 7.3　注釈とハイパーリンク 7.4　ファイルの添付 ８章　ドキュメントの暗号化 8.1　はじめに 8.2　暗号化辞書 8.3　暗号化されたドキュメントの読み込み 8.4　ドキュメントの暗号化と書き込み 8.5　暗号化されたドキュメントの編集 ９章　pdftkを用いた作業 9.1　コマンドラインシンタックス 9.2　ドキュメントのマージ 9.2.1　ファイルをマージした際に起こること 9.3　ドキュメントの分割 9.3.1　ファイルを分割した際に起こること 9.4　スタンプと透かし 9.4.1　スタンプを追加した際に起こること 9.5　メタデータの抽出と設定 9.6　ファイルの添付 9.7　暗号化と復号化 9.7.1　暗号化されたファイルの復号化 9.7.2　ファイルの暗号化 9.8　圧縮

10章　PDFソフトウェアと参考文献 10.1　PDFビューア 10.1.1　Adobe Reader 10.1.2　プレビュー 10.1.3　Xpdf 10.1.4　GSview 10.2　ソフトウェアライブラリ 10.2.1　JavaおよびC#向けのiText 10.2.2　PHP向けのTCPDF 10.2.3　Perlを用いたPDFの処理 10.2.4　Mac OS X上のPDF 10.3　フォーマットの変換 10.3.1　PDFからPostScriptへ、またはその逆への変換 10.3.2　PDFのラスタ化によるイメージへの変換 10.3.3　ファイルの印刷によるPDFへの変換 10.4　PDFの編集 10.4.1　Adobe Acrobat 10.4.2　Mac OS X のプレビューを用いた編集 10.5　PDFとグラフィックスの参考文献 10.5.1　ISO32000とPDFファイル形式 10.5.2　PDF Hacks 10.5.3　関連する話題 10.5.4　フォーラムとディスカッション 10.5.5　Adobeのウェブサイトにあるリソース 付録Ａ　JavaScriptの埋め込み(古?一浩) A.1　埋め込みの基本 A.1.1　文書アクションでのJavaScript埋め込み A.1.2　フォームレベルでのJavaScript埋め込み A.1.3　ページレベルでのJavaScript埋め込み A.1.4　PDF読み込み時のJavaScript埋め込み A.1.5　一括してJavaScriptを編集する A.2　JavaScriptのデバッグ A.2.1　デバッガーの起動 A.3　しおりを階層化テキストで書き出す A.4　閲覧期限を限定する A.5　閲覧回数を表示する A.6　フルスクリーンモードにする A.7　自動的にしおりを作成する A.8　スライドショー A.9　ゼロパディング A.10　メニューの実行 A.11　アクション／バッチ処理 A.12　その他のJavaScript A.13　JavaScriptコードを一括して削除する 付録Ｂ　電子書籍に便利なツール集(千住治郎) B.1　文字列を検索する――pdfgrep B.1.1　poplerライブラリ B.2　PDFを比較する――diffpdf B.3　pdftkのGUI――pdfchain B.4　WISIWYGなPDFエディタ――pdfedit B.5　PDFの版管理機能――pdfresurrect B.5.1　処理内容 B.5.2　pdfresurrectの機能 B.5.3　利用形態(案) B.6　PerlのText::PDFモジュール B.7　電子書籍の管理――calibre 索引

【感想は？】

　以下三つの条件を全て満たす人向けの本だ。

1. PDFに興味がある。
2. プログラミングの経験がある。
3. 文字や図形の描画について、多少の知識がある。

　加えて、できれば Adobe Illustrator を使い込んでいると、感覚を掴みやすいだろう。

　「PDFに興味がある」といっても、その程度は様々だ。だいたい、次の三段階に分かれるだろう。

1. 「PDFとは何か」を知りたい
2. 「PDFで何ができるか」を知りたい
3. 「ソレはどうやればいいのか」を知りたい

　後の方ほど、細かく詳しい解説が必要になる。この本は、2. と 3. の中間あたりまでを満たす内容だ。「PDFで何ができるか」は、だいたい見当がつく。だが、実際にPDFを扱うプログラムを作るには、Adobe Systems から分厚い仕様書を手に入れる必要がある。

　基本的に「ザッと軽く流し読みして、細かい所は Adobe の仕様書を読んでね」という本である。これ一冊でPDFの全てを賄う本ではない。また、プログラミングの経験がないと、読んでもナニを言ってるのか見当もつかないだろう。B木は、まあわからなくても大きな問題はないだろうが、「相互参照テーブル」がわからないと、かなり厳しい。

　「軽く流し読み」が前提の本とはいえ、それぞれの章は、相応の前提知識が必要だ。

　２章～３章では、少なくともASCIIとUnicodeの違いがわかる程度には文字コードの知識が必要である。さすがに16進ダンプをスラスラ読める必要はないが、0x20と聞いて「ASCIIの空白ね」と分かる程度には知らないとマズい。少なくとも、テキスト・ファイルとバイナリ･ファイルの違いは分かっている必要がある。

　「５章　グラフィックス」では、「マイター結合」だの「ワインディング規則」だの「カラースペース」が出てくる。これらは Adobe Illustrator を使い慣れていたり、PostScript を知っていれば、雰囲気を掴みやすい。つかCTM(Current Transformation Matrix)がピンと来る人は滅多にいない…いや、CGの世界じゃ常識なのかな？

　「６章　テキストとフォント」も、相当に突っ込んだ話が次々と出てくる。「レディング」「カーニング」「グリフ」…。文書を作る際に、Microsoft Wrod ではなく、Adobe InDesign や Quark XPress を使う人向けの内容である。

　そんなわけで、全部を真面目に通して読む人は、滅多にいないだろう。大半の人は、１～４章を軽く流し読みして、５章以降は意味不明な所を飛ばしながら読む、そんな読み方になると思う。というか、全体を完全に理解しながら読める人は、素直に Adobe から正規の文書を手に入れた方がいい。

　私は「どうせ PostScript＋αだろう」と思っていたんだが、だいぶ違うので驚いた。ラスタ画像がなきゃテキスト・ファイルな PostScript に比べ、PDFはヘッダから ox80 以上のバイトが出てくる。バイナリとテキストが混在した、ややこしい形式なのだ。

　単純な頁の並びかと思っていたが、終端近くに「各オブジェクトのバイト・オフセット」が入ってるし。これじゃテキトーに中身を入れ替えたら、ズレて使い物にならなくなるじゃん←ナニをするつもりだｗ　いや書き換えたいじゃん、できれば sed や awk とかのコマンド一発で←をい

　「PDFなら文字の位置とかもズレないよね」と思っていたが、この本を読む限り、ズレる可能性は充分残ってるっぽい。

　というのも、各文字の送りなどはフォントに依存するんで、表示または印刷する環境に、必要なフォントがなかったり、フォントのバージョンが違ってたりすると、悲劇が起きる可能性はある。素直にPDFにフォントを埋め込んでおけば問題ないんだけど、日本語はフォント情報が膨大だしなあ。現場じゃどうやってるんだろ？

　まあいい。全般として、初心者向けとしては詳しすぎるしマニアックすぎ、プロ向けとしては詰めが甘い本である。プロが Adobe の仕様書を読む前に、全体の雰囲気を掴むために流し読みする、といった位置づけの本だろう。

【関連記事】

• Andy Oram, Greg Wilson編 Brian Kerninghan, Jon Bentry, まつもとゆきひろ他著「ビューティフルコード」オライリージャパン 久野貞子,久野靖訳 1
• David Flanagan「JavaScript 第六版」オライリージャパン 村上列訳
• Jesse Liberty, Brian MacDonald「初めてのC# 第2版」オライリー・ジャパン 日向俊二訳
• Eric.A.Meyer「CSS完全ガイド第2版 CSS2&CSS2.1対応」オライリージャパン 株式会社クイープ訳
• Shelley Powers「初めてのJavaScript 第２版」オライリージャパン 武舎広幸・武舎るみ訳
• リー・コープランド「はじめて学ぶソフトウェアのテスト技法」日経BP社
• 書評一覧：科学/技術