Vlákno názorů k článku Adobe zveřejní specifikaci PDF a chce ISO standard od Jirka Kosek - No specifikace PDF je na webu Adobe ke...

No specifikace PDF je na webu Adobe ke stažení již hodně dlouho. Navíc od té doby, co PDF existuje, si je možné za pár dolarů koupit knihu s vytištěnou spefikací. Takže standardizace PDF z tohoto pohledu ničemu neprospěje (navíc většina ISO standardů je pěkně mastných).

XPS je obdoba PDF, ale nabízí některé pěkné funkce navíc. Kromě layoutu stránky může být v souboru uložen originální text. Má to různé využití -- sázecí program vám v textu třeba vygeneruje ligaturu "fi", ale když to přes schránku překopírujete z XPS dostanete zpátky znaky "f" a "i". XPS vnitřně informace ukládá do XML, takže to jde automaticky zpracovávat a obrábět nepoměrně jednodušeji než PDF. Adobe samozřejmě nezůstal spát, a vymyslel vlastní "PDF v XML" říká mu Mars.

Provnávat ODF s PDF je skutečně trochu mimo mísu, ty formáty jsou určeny k úplně jiným věcem. PDF (a XPS a Mars) poposují finální layout dokumentu. ODF popisuje dokument jako hromadu odstavců, u kterých víte jakým písmem a na jaké rozměry mají být naformátovány. Ale každá implementace může používat odlišné algoritmy pro určení řádkového a stránkového zlomu, takže ODF se rozhodně nehodí pro archivaci dokumentů, kde je vyžadováno přesné dodržení layoutu.

Tu standardizaci v ISO bych radši nekomentoval. V případě PDF to ještě snad nějaký smysl mělo, ale od dob ODF se ISO zneužívá pro obchodní politiku. Začal s tím Sun a teď vrací úder impérium pomocí OOXML.

Prevod ligatur na jednotliva pismena je resitelny pomoci standardnich prostredku PDF - viz operator ToUnicode.

Už je to nějaký čas, co jsem četl specifikaci PDF, takže se mohu mýlit. Ale pokud si to pamatuji, tak pomocí ToUnicode jde udělat pouze mapování 1:1, tj. znak z nějakého fontu se namapuje na jeho Unicode ekvivalent. Tím můžete ošetřit pouze ligatury, které jsou v Unicode, a navíc by aplikace musela vědět, na co ty ligatury expandovat.

Doporucuju k precteni stranu 444 a 445 z Svate Knihy PDF Reference, fifth edition, Version 1.6, konkretne Example 5.16. Jde o priklad pouziti ToUnicode. Nas konkretne zajima definice sekce CMaps - ukazku prikladam.

/CMapType 2 def
    1 begincodespacerange
        <0000>  <FFFF>
    endcodespacerange
    2 beginbfrange
        <0000> <005E> <0020>
        <005F> <0061> [<00660066> <00660069> <00660066006C>]
    endbfrange
    1 beginbfchar
        <3A51> <D840DC3E>
    endbfchar
endcmap

Zde radek

<005F> <0061> [<00660066> <00660069> <00660066006C>] 

znamena, ze se GID (glyph index) prevede na sekvenci libovolnych unicodovych znaku

005F -> 0066 0066 ---------> ff
0060 -> 0066 0069 ---------> fi
0061 -> 0066 0066 006C ----> ffl

Nojo, tak jsem se mýlil, jak jsem psal ;-)

2,3 pekne funkce navic, to je presne ten problem ;-)