PDFの結合・分割・ページの並べ替えを劣化なしで行う方法
ページ単位のPDF操作は、ページを描き直すのではなくページオブジェクトをコピーするため、テキストもベクターも画像もそのまま残ります。失われるのは、しおり、フォームの定義、署名といった文書レベルのデータで、だからこそ作業の順序が重要になります。
ConvertBox公開
PDFがページを保持する仕組み:ページツリー
PDFの内部では、ページは巻紙のように端から端までつながっているわけではありません。文書にはページツリーを指すカタログがあり、そのツリーの葉の1つ1つがページオブジェクトです。ページオブジェクトは短い記録で、サイズ(MediaBox、単位は1/72インチのポイント)、省略可能なRotate値、描画命令を収めたコンテンツストリームへの参照、そしてその命令が使うフォントや画像などのリソースの一覧からなります。ページの順序とは、葉の順序のことです。
ここから2つのことが導かれます。フォントと画像は複数のページで共有できる独立したオブジェクトであること、そしてページは描画内容に触れずにツリーを編集するだけで移動、コピー、削除できることです。
ページ単位の操作が無劣化である理由
結合、分割、並べ替えは、ページオブジェクトを、それが参照するリソースとともに新しい文書へコピーします。レンダリングは行われません。テキストはテキストのまま選択でき、ベクター図形はどれだけ拡大しても鮮明で、埋め込まれた画像は元の圧縮データを保ちます。結合したファイルのサイズが入力の合計に近くなるのも、こうした操作を10回繰り返しても何も失われないのも、このためです。
対照的なのが、ページを描き直す方法です。複数の文書を新しいPDFに印刷すると内容が再生成され、リンクが消えたり、フォントや画像の圧縮が変わったりすることがあります。ページを画像に変換して貼り合わせれば、テキストは完全に失われます。どのツールの出力でも簡単に確かめられます。テキストが選択でき、ファイルサイズが足し算どおりに動いていれば、ページ単位で処理されています。
引き継がれないもの:文書レベルのデータ
ページごとにコピーすると、ページの外に保存されているものは置き去りになります。Webアドレスのようにページ上に置かれたリンクは、ページと一緒に移動します。以下の項目は、ConvertBoxの結合、分割、ページ整理の各ツールでも、同じ方式で作られたほかの多くのツールでも引き継がれません。
- しおり。アウトラインパネルはページを指す別の構造で、出力には引き継がれません。
- 入力可能なフォーム。フォームの定義は文書レベルにあるため、フィールドに入力できなくなることがあります。ページ操作の前にフォームへの入力を済ませてください。
- タイトルや作成者などの文書プロパティ。
- デジタル署名。署名は適用されたファイルのバイト列そのものを対象とするため、作り直したファイルは検証に失敗します。これはツールの欠陥ではなく、署名が本来の役割を果たしている結果です。
結合:リストの順序、サイズの混在、交互の差し込み
結合はファイルを丸ごとリストの順に追加するので、リストがそのままページ順になります。ページはそれぞれの寸法を保ちます。A4の報告書、USレターの請求書、横向きの表計算シートを結合すると、サイズの混在した文書になります。PDFとしては有効ですが、用紙サイズを1つに固定したプリンターでは思わぬ結果になることがあります。スキャンしたファイルにゼロ埋めの番号(scan-01、scan-02)を付けておくと、順番どおりに追加しやすくなります。
交互の差し込みは、単純な結合では対応できないケースです。両面原稿の表と裏を2つのファイルに分けてスキャンした場合、結合するとすべての表のあとにすべての裏が続きます。両方のファイルを1ページずつに分割し、交互の順で結合してください。原稿の束を丸ごと裏返してスキャンした場合、裏面は逆順になります。ConvertBoxの結合ツールは、それぞれ100 MBまでのファイルが2つ以上必要です。すべての元ファイルが、増えていく出力と一緒にメモリに保持されるため、スマートフォンでは大きな作業をいくつかに分けて結合するほうが安全です。
分割:範囲の書き方と、分割後の合計が元より大きくなる理由
範囲は、ページに印刷された番号ではなく、1から数えた物理的な位置を指します。表紙と2ページの目次がある報告書では、印刷上の1ページは物理的には4ページ目なので、印刷上の10〜15ページは13-18と入力します。ConvertBoxの分割ツールでは、表のとおり、カンマで区切った項目の1つ1つが別のファイルになります。
分割後のサイズは直感に反することがあります。1つのPDFの中では、50ページで使われるフォントやロゴは1回しか保存されません。50個のファイルに分けるとそれぞれにコピーが必要になり、埋め込みフォントはそのページの文字だけに切り詰められず丸ごとコピーされるため、2 MBのテキスト文書が1ページ数百キロバイトのファイル群になることがあります。スキャン文書は事情が異なり、ページごとに画像が独立しているので、合計は元のサイズとほぼ同じです。分割したファイルはZIPにまとめられず個別にダウンロードされるので、120個の単ページより、いくつかの範囲に分けるほうが実用的です。
| 入力 | 結果 |
|---|---|
| 2-4 | 2、3、4ページを含むファイルが1つ(範囲は両端を含む) |
| 10-12, 1-3 | 入力した順にファイルが2つ。項目同士は重なっても順不同でもよい |
| 7 | 1ページだけのファイルが1つ |
| 7-5、または最終ページを超える番号 | その項目だけでなく入力全体が拒否される |
並べ替え、削除、回転:Rotate値
並べ替えと削除はページツリーの編集です。ConvertBoxのPDFページ整理ツールでは、ページがサムネイルで表示され、ドラッグするか矢印ボタンで移動できます。タッチ画面では矢印ボタンが確実です。削除の印を付けたページは保存するまで元に戻せ、保存されたコピーではそのページが省かれるだけです。数ページだけ取り除いて1つのファイルのままにしたい場合、分割して結合し直すよりもこちらが直接的です。このツールは50 MBまでのPDFを1つ受け付け、一覧のためにすべてのページをレンダリングするので、300ページのスキャン文書では時間とメモリがかかります。
回転も描き直しではありません。各ページは90度の倍数でなければならないRotate値を持ち、ビューアーは表示や印刷のときにページを回します。回転は既存の値に加算されます。スキャナーが回転90で保存したページをもう1回回すと、180として保存されます。数値が1つ変わるだけなので、回転で画質が落ちることはなく、いつでも元に戻せます。限界も同じ規則から生じます。3度傾いたスキャンはページの回転では直せず、画像として傾き補正を行う必要があります。
暗号化されたファイルは最初に、署名は最後に:安全な作業順序
パスワードで保護されたPDFは内容が暗号化されて保存されているため、ページ操作のツールでは読み込めません。結合では、暗号化されたファイルが1つあるだけで作業全体が失敗します。知っているパスワードで保護を外すことは、変換ではなく復号です。ConvertBoxのPDFロック解除ツールは、テキスト、リンク、しおり、フォームフィールドを保ったまま、暗号化されていないコピーを保存します。不明なパスワードを推測したり回避したりはしません。そのあとは、次の順序で進めるとやり直しを避けられます。
- 保護された入力ファイルのロックを解除し、元のファイルは保管しておきます。
- フォームフィールドがまだ入力できるうちに入力します。
- 各部分が正しくなるまで分割、削除、並べ替え、回転を行い、それから結合します。
- 結果を確認します。ページ数、向き、そしてしおりが必要だったかどうかを見ます。
- パスワードの設定やデジタル署名は最後に行います。どちらも最終的なファイルを対象にする必要があるからです。