История формата PDF: Стандарт, перенесший бумагу в цифровой мир

Введение: Необходимость «бумаги» в цифровом мире

В современном бизнесе и повседневной жизни не проходит и дня, чтобы мы не столкнулись с PDF (Portable Document Format). Договоры, руководства, счета-фактуры, научные статьи и даже меню ресторанов — любые документы передаются в формате PDF. Однако на заре компьютерной эры создание документа, который «выглядел бы одинаково на любом устройстве», было сродни мечте.

В 1980-х годах компьютерная среда была гораздо более фрагментированной, чем сегодня. Существовало множество операционных систем, таких как Windows, Macintosh, рабочие станции UNIX и MS-DOS, и каждая из них имела собственные форматы шрифтов, движки отрисовки и форматы файлов. Обычным делом было то, что когда красиво сверстанный документ, созданный пользователем А на Mac, открывал пользователь Б на Windows, шрифты заменялись, верстка разрушалась, а изображения не отображались.

Основатели Adobe Systems (ныне Adobe) попытались решить эту проблему и создать «бумагу в цифровом мире». В этой статье мы подробно рассмотрим историю и технические предпосылки того, как появился формат PDF, как он преодолел технические барьеры и эволюционировал в мировой стандарт формата документов, имеющий юридическую силу.

Революция PostScript и рассвет DTP

Говоря об истории PDF, невозможно обойти стороной язык описания страниц «PostScript».

В 1982 году Джон Уорнок и Чарльз Гешке, работавшие в исследовательском центре Xerox в Пало-Альто (PARC), разрабатывали язык программирования для высококачественной печати, не зависящей от устройства. Однако, поскольку не было перспектив быстрого внедрения этой технологии в коммерческие продукты внутри Xerox, они ушли и основали независимую компанию Adobe Systems. Результатом их работы стал PostScript.

Концепция независимости от устройства

Принтеры того времени получали текстовые данные и простые управляющие коды от компьютера и печатали на бумаге растровые шрифты, аппаратно встроенные в принтер. Из-за этого при смене модели принтера результаты печати тоже менялись, а распечатать сложные формы или плавные кривые было трудно.

PostScript использовал совершенно другой подход. Внешний вид документа описывался как «математические векторные данные». Текст, прямые линии, кривые, изображения и другие элементы отправлялись на принтер в виде набора математических формул и команд. Принтер имел встроенный «интерпретатор PostScript», своего рода небольшой компьютер, который на лету интерпретировал (растеризовал) полученную программу и печатал ее с максимально возможным для себя разрешением.

В результате документы, созданные с низким разрешением на экране, выводились с потрясающей красотой на лазерных принтерах высокого разрешения или коммерческих печатных машинах. В 1985 году технология PostScript была внедрена в принтер Apple «LaserWriter», и сочетание «Macintosh», «PageMaker» и «LaserWriter» породило новую индустрию под названием Desktop Publishing (DTP, настольные издательские системы).

Проект Camelot: Тот же опыт на экране

PostScript произвел революцию в полиграфической промышленности, но у него был один недостаток: он был «очень сложным языком программирования, слишком тяжелым для быстрого отображения на экране». Файлы PostScript могли содержать циклы и условные переходы, и до окончания вычислений было неизвестно, как будет выглядеть конечная страница.

В начале 1990-х годов, накануне широкого распространения Интернета, Джон Уорнок написал для внутреннего использования короткую статью под названием «Проект Camelot» (The Camelot Project).

«Наша цель — позволить документам любого типа, созданным на любой платформе, быть захваченными в цифровом формате, переданными на любой компьютер, отображенными на любом экране и напечатанными на любом принтере»

То, что представлял себе Уорнок, было форматом документа, который не зависел от операционной системы, приложений или даже локально установленных шрифтов, и который можно было бы передавать, полностью сохраняя внешний вид, задуманный создателем.

Рождение PDF

Формат PDF родился из проекта Camelot. Хотя PDF был основан на технологии PostScript, из него были исключены элементы языка программирования (такие как циклы и состояния переменных) для обеспечения быстрого рендеринга на экране и случайного доступа (возможности мгновенного перехода к любой странице).

Вместо этого PDF был структурирован как набор независимых объектов отрисовки для каждой страницы. Благодаря этому даже в документе на 1000 страниц системе не нужно вычислять все страницы по порядку начиная с первой, и она может мгновенно отобразить 500-ю страницу.

  graph TD
    A["PostScript (Для печати)"] -- "Исключение элементов программирования<br>Добавление случайного доступа" --> B["PDF (Для экрана и обмена)"]
    B -- "Встраивание шрифтов" --> C["Воспроизведение идентичного макета"]
    B -- "Технология сжатия" --> D["Оптимизация размера файла"]
    C --> E["Полная портативность"]
    D --> E

В 1993 году Adobe выпустила программное обеспечение «Acrobat» для создания и просмотра PDF-файлов. Поначалу даже программа для просмотра «Acrobat Reader» была платной (50 долларов), что замедлило распространение. Однако вскоре Adobe приняла стратегическое решение распространять Reader бесплатно. Этот шаг увенчался успехом, и PDF получил взрывное распространение.

Базовая структура PDF и технические прорывы

Для того чтобы PDF работал как «электронная бумага», потребовалось несколько важных технических прорывов.

1. Встраивание шрифтов (Font Embedding)

Одной из важнейших технологий стало «встраивание шрифтов». В традиционных файлах текстовых редакторов (например, ранних документах Word) в данных документа сохранялись только «код символа» и «имя шрифта (например, MS Gothic)». Если этот шрифт не был установлен на ПК зрителя, ОС заменяла его другим шрифтом, в результате чего ширина символов менялась, позиции переноса строк смещались, и верстка разрушалась.

PDF имеет функцию упаковки данных о форме используемых шрифтов (контуров) прямо внутрь файла. Благодаря этому, даже если у зрителя вообще нет этого шрифта на устройстве, красивые символы могут отображаться в точности так же, как при создании. Кроме того, для уменьшения размера файла была разработана технология «встраивания подмножества» (subset embedding), при которой извлекаются и встраиваются только данные тех символов, которые фактически используются в документе.

2. Интеграция векторной графики и растровых изображений

PDF обладает мощным механизмом отрисовки векторной графики, унаследованным от PostScript. Поскольку корпоративные логотипы, графики и т. д. сохраняются в виде векторных данных, их края никогда не пикселизируются (не становятся зубчатыми) при любом увеличении. В то же время растровые изображения, такие как фотографии (пиксельные данные, сжатые с помощью JPEG или ZIP), также могут гибко встраиваться.

3. Внутренняя структура файла (Дерево и перекрестные ссылки)

Если вы заглянете внутрь PDF-файла с помощью текстового редактора, он начнется с заголовка вроде %PDF-1.4, за которым следует множество «объектов (словари, массивы, потоки и т. д.)». Преимущество PDF заключается в том, что в конце файла имеется «Таблица перекрестных ссылок» (Cross-Reference Table). В этой таблице записаны байтовые смещения всех объектов в файле.

Когда программа для чтения PDF открывает файл, она сначала считывает его с конца и получает таблицу перекрестных ссылок. Поэтому, когда требуются данные определенной страницы, она может обратиться к таблице и извлечь нужные данные с диска, не анализируя весь файл. Именно поэтому даже огромные PDF-файлы работают быстро.

Эволюция как цифрового документа: Электронные подписи и безопасность

PDF эволюционировал не просто для «просмотра печатных материалов на экране», но и для того, чтобы функционировать как «оригинал» в бизнес-среде.

Электронные подписи (Digital Signatures) и криптография с открытым ключом

Самое большое опасение при оцифровке контрактов и официальных документов — это «доказательство того, что они не были подделаны» и «доказательство того, что их создал сам человек». В формат PDF на уровне спецификации встроена поддержка электронных подписей с использованием инфраструктуры открытых ключей (PKI).

Хэш-значение документа вычисляется, шифруется закрытым ключом подписанта и встраивается в PDF. Таким образом реализован механизм, при котором подпись становится недействительной, если впоследствии будет изменено хотя бы на 1 байт содержимого. В результате PDF получил юридическую силу, равную или даже превосходящую проставление печати на бумаге.

Безопасность и контроль доступа

В PDF также реализованы мощные функции шифрования (например, AES-256). Помимо «пароля на открытие» (open password) для открытия документа, к самому файлу можно применять тонкие настройки прав доступа (пароль разрешений), такие как запрет печати, запрет копирования текста или запрет извлечения страниц.

Путь к мировому стандарту (ISO 32000)

На протяжении многих лет PDF был проприетарным (закрытым) форматом Adobe Systems. Однако Adobe бесплатно опубликовала его спецификации, позволив любому желающему разрабатывать программное обеспечение для создания и просмотра PDF. Это породило огромную экосистему сторонних разработчиков.

И в 2008 году Adobe отказалась от полного контроля над PDF и передала его Международной организации по стандартизации (ISO). Благодаря этому PDF стал официальным международным стандартом «ISO 32000-1». Став открытым форматом, не зависящим от какой-либо конкретной компании, он укрепил свои позиции в качестве формата хранения официальных документов правительств различных стран.

Кроме того, были созданы производные стандарты для конкретных целей:

PDF/A (Archive): Для долгосрочного хранения. Запрещает использование внешних шрифтов и шифрования, гарантируя возможность открытия документа даже спустя десятилетия.
PDF/X (Exchange): Для полиграфической промышленности. Строго определяет цветовые профили (CMYK) для предотвращения проблем при печати.
PDF/UA (Universal Accessibility): Определяет логическую структуру (теги) документа, чтобы программы чтения с экрана для людей с нарушениями зрения могли правильно его считывать.

Заключение

Видение Джона Уорнока в проекте Camelot: «Возможность делиться документами в точности так, как они были задуманы, с кем угодно, где угодно и на любом устройстве», стало абсолютной реальностью в современном обществе.

PDF — это не просто «бумага в виде картинки». Это чрезвычайно сложно спроектированная «цифровая бумага», в которой возможен поиск текста, сохраняется красота векторов, имеется защита с помощью криптографических технологий и присутствует логическая структура. История PDF, начавшаяся с языка программирования PostScript, избавившаяся от излишней сложности для обеспечения портативности и в итоге достигшая статуса международного стандарта для сохранения человеческих знаний — пожалуй, одна из величайших историй успеха в истории компьютерного программного обеспечения.