PDF ファイルとは?PDF 形式の基礎知識
PDF ファイルは、ソフトウェア、デバイス、OS が異なってもページレイアウトを保持するよう設計された Portable Document Format のドキュメントです。PDF には、テキスト、ベクターグラフィックス、ラスター画像、フォント、フォーム、注釈、添付ファイル、マルチメディア、メタデータ、暗号化、デジタル署名を含められます。
PDF はどのような仕組みで動作しますか?
PDF は、描画命令と、埋め込みリソースや外部リソースへの参照でページを記述します。オブジェクトがテキスト、フォント、画像、色空間、リンク、ページ間の関係を定義します。相互参照構造により、閲覧ソフトはファイル全体を順番に読み込まずにこれらのオブジェクトを見つけられます。
テキストは、検索可能な文字、輪郭を表すベクター図形、またはスキャン画像内のピクセルのみとして保存される場合があります。そのため、見た目が同じ二つの PDF でも、検索、アクセシビリティ、抽出、編集の動作は大きく異なる場合があります。
PDF の長所
- 安定したレイアウト:プラットフォームが異なってもページ区切り、文字組み、配置を保持
- 多様なコンテンツ:テキスト、ベクター、画像、フォーム、注釈を組み合わせて格納
- 幅広い互換性:ブラウザーや専用の閲覧ソフトで表示
- 印刷ワークフロー:用紙サイズ、埋め込みフォント、印刷用のカラーデータに対応
- セキュリティ機能:暗号化、権限、デジタル署名を組み込み可能
PDF の制約
PDF は、小さな画面に合わせて柔軟に表示を変える形式ではありません。元のドキュメントモデルではなく完成したページを記述するため、編集が難しい場合があります。スキャンした PDF には OCR が必要になる場合があり、フォントの欠落や置換も起こり得ます。また、動作を伴う要素や添付ファイルにはセキュリティレビューが必要です。
拡張子が PDF であることも、ファイルの安全性を証明するものではありません。信頼できないアップロードにはセキュリティスキャンを実施し、見た目と抽出可能な内容が一致するとは考えないでください。
PDF と DOCX、HTML の比較
| 形式 | 主な用途 | レイアウトの動作 | 編集 |
|---|---|---|---|
| 最終版の配布、印刷、アーカイブ | 固定ページ | 制限あり | |
| DOCX | 共同での文書作成 | エディターによって折り返しやページ区切りが変化 | 高い編集性 |
| HTML | レスポンシブな Web コンテンツ | ビューポートに適応 | ソース中心 |
Transloadit でドキュメントを PDF に変換する方法
概要は、ドキュメント処理サービスをご覧ください。
🤖/document/convert を使うと、対応しているオフィスファイルやドキュメントの入力を PDF に統一できます。
{
"steps": {
":original": { "robot": "/upload/handle" },
"pdf": {
"use": ":original",
"robot": "/document/convert",
"format": "pdf"
}
}
}
その後、🤖/document/thumbs でページのプレビューを作成したり、🤖/document/merge で PDF を結合したり、🤖/document/extract でテキストや埋め込み画像を抽出したりできます。
PDF に関するよくある質問
PDF には必ず検索可能なテキストが含まれていますか?
いいえ。スキャンした PDF には、ページ画像しか含まれていない場合があります。テキストを確実に検索・抽出するには、先に OCR を行う必要があります。
PDF は画像形式ですか?
いいえ。PDF は、ラスター画像、ベクターグラフィックス、テキストを格納できるドキュメント形式です。
ドキュメントを PDF に変換すると、すべて保持されますか?
見た目のレイアウトを保持することを目指していますが、フォント、対話機能、マクロ、アニメーション、アプリケーション固有の動作は、変更または省略される場合があります。これらの詳細が重要な場合は、出力を検証してください。