기술 문서

HotPDF CompressDocument: Delphi의 컴팩트 폰트 서브셋

SimSun으로 짠 한자 두 글자를 평범한 TrueType 서브세터에 통과시켜도 PDF에는 25KB쯤 되는 임베드된 폰트 데이터가 남는다. 그 두 표의 문자의 외곽선은 그 한 조각이다. 나머지는 슬롯 부기다. 서브셋이 원래 글리프 번호를 유지하므로, 보존한 최고 글리프 ID까지의 모든 글리프 ID에 대해 위치 항목과 폭 항목을 여전히 싣고, CJK 서체에서는 표의 문자들이 아주 큰 테이블 깊은 곳에 앉아 있다. 살아남은 글리프를 0부터 다시 번호 매기고 /CIDToGIDMap 스트림에 번역을 맡기면 같은 두 글자가 3KB쯤에 들어간다

성긴 폰트 서브셋에서 바이트가 쌓이는 곳

성긴 서브셋이 무거운 이유는 어떤 글리프도 움직이기를 거부하기 때문이다. HotPDF는 유니코드 텍스트를 CIDFontType2 자손 위의 Type 0 폰트로 쓰고, 콘텐츠 스트림은 각 글리프를 CID로 쓰인 원래 글리프 ID로 보여 준다. /CIDToGIDMap /Identity에서 ISO 32000-1 §9.7.4.2는 뷰어에게 그 CID를 곧장 글리프 인덱스로 다루라고 말한다. 폰트 프로그램 안의 글리프 번호를 다시 매기고 나머지를 그대로 두면 페이지의 모든 문자가 엉뚱한 외곽선을 가리킨다. 번호를 유지하는 것이 싸고 안전한 답이다. 대가는 loca와 hmtx가 남겨진 최고 GID까지의 모든 슬롯을, 비어 있어도, 전부 커버해야 한다는 것

CJK 서체가 28,000개 글리프를 선언하고 여러분의 두 글자 중 하나가 그 끝 근처에 앉아 있다고 치자. 긴 형식 loca 테이블은 슬롯마다 4바이트, 대략 112KB를 쓰고 전체 가로 메트릭은 슬롯마다 또 4바이트를 쓴다. 압축 전에 200KB가 넘는 테이블이고, 거의 전부가 0과 반복되는 오프셋이다. Flate는 그런 런을 아주 잘 줄이지만 없애지는 못하며, 그 25KB의 대부분이 바로 거기서 나온다. 몇천 개 글리프의 라틴 서체는 같은 구조를 1/10 규모로 싣는다. 비용이 실제로 떨어지는 곳은 중국어, 일본어, 한국어 텍스트가 섞인 문서다

애초에 어떤 글리프가 살아남는지(합성 컴포넌트, 셰이핑이 끌어들인 대체 문자)는 그 앞 단계에서, 셰이핑된 글리프의 폰트 서브셋 클로저 규칙이 정한다. 압축이 바꾸는 것은 그 집합이 고정된 뒤 살아남은 것들이 치르는 비용뿐이다

CIDToGIDMap 스트림 뒤의 컴팩트 폰트 서브셋

THotPDF.CompactFontSubsetting은 남긴 글리프를 0에서 시작하는 빽빽한 범위로 다시 번호 매기고, 그 글리프들만으로 글리프 테이블을 다시 만들고, CIDFont에 명시적인 /CIDToGIDMap 스트림을 쓴다. ISO 32000-1 §9.7.4.2는 그 스트림을 CID로 인덱싱되는 2바이트 빅엔디안 글리프 ID 배열로 정의한다. CID n의 GID는 바이트 오프셋 2n에 앉아 있다. 콘텐츠 스트림, /W 폭 배열, ToUnicode CMap은 모두 원래 번호를 CID로 유지한다. CID에서 글리프로 가는 단계만 맵으로 옮겨 가므로, 이미 페이지에 쓰인 것은 하나도 만질 필요가 없다

이 속성은 혼자서도 동작한다. 더 작은 폰트를 얻는 데 압축 기계의 나머지는 필요 없고, 주로 CJK 텍스트인 보고서에는 이 두 설정이 일의 대부분을 해낸다:

Pdf.EnableFontSubsetting := True;
Pdf.CompactFontSubsetting := True;   // CompressDocument 없이도 쓸 수 있다
Pdf.BeginDoc;
Pdf.CurrentPage.SetFont('SimSun', [], 12);
Pdf.CurrentPage.TextOut(40, 40, 0, WideString('Total: '#$4E2D#$6587));
Pdf.EndDoc;
성긴 HotPDF 폰트 서브셋과 CompactFontSubsetting 출력의 비교: 성긴 쪽은 남겨진 최고 GID까지 모든 원래 글리프 ID에 대해 loca와 hmtx 항목을 유지하고, CompactFontSubsetting 쪽은 남긴 글리프를 0부터 빽빽하게 다시 번호 매겨 CID를 CIDToGIDMap 스트림으로 맵핑하며, 콘텐츠 스트림과 /W, ToUnicode는 그대로 남는다
다시 번호 매기기는 비용을 폰트 프로그램에서 작은 맵 스트림 하나로 옮긴다. SimSun 두 글자가 이미 쓰인 콘텐츠의 바이트 하나도 만지지 않고 25KB쯤에서 3KB쯤으로 내려간다

압축은 특정 종류의 폰트에 적용된다. HotPDF는 Type 0 TrueType 서체에 컴팩트 서브셋을 만든다. EnableFontSubsetting이 켜진 상태에서 SetFont로 세팅한 것들과 RegisterUnicodeTTF로 등록한 서체가 그 대상이다. 단순 TrueType 폰트는 자기 폰트 프로그램 안의 cmap으로 위치가 정해지므로 번호를 다시 매기면 cmap이 엉뚱한 글리프를 가리키게 된다. 그래서 단순 폰트는 성긴 서브셋을 유지한다. OpenType-CFF 서체도 유지한다. 특정 폰트에서 컴팩트 빌드가 실패하면 HotPDF는 그 폰트에 성긴 서브셋을 쓰고 문서를 계속 진행한다. 속성은 기본값이 꺼져 있으므로 기존 출력은 옵트인하기 전까지 바이트 단위로 동일하게 남는다. PDF/A 아래에서는 등록된 유니코드 서체가 언제나 컴팩트 서브셋을 받는다

함정 하나는 읽는 쪽에 앉아 있다. /CIDToGIDMap 스트림은 CMap들 곁에 있어야 할 것처럼 보이지만, begincidchar 블록이 없는 날 이진 데이터고, 그것을 CMap 토크나이저에 넘기면 오류 하나 없이 빈 매핑이 나온다. 여러분의 도구가 이 파일들에서 텍스트를 뽑거나 글리프를 측정한다면 맵을 평범한 16비트 쌍으로 읽어라

CompressDocument는 한 문서에 무엇을 바꾸는가

THotPDF.CompressDocument는 BeginDoc에서 여섯 개의 라이터 설정과 object-stream 상한을 빌려 EndDoc에서 전부 돌려준다. PDF 버전이 확정되기 전에 HotPDF는 여러분의 값을 기록해 둔 다음 이렇게 세팅한다:

  • Compression을 cmFlateDecode로, CompressionLevel을 clMaximum으로
  • EnableFontSubsetting과 CompactFontSubsetting을 True로
  • UseXRefStream과 UseObjectStreams를 True로, ISO 32000-1 §7.5.7과 §7.5.8에 따라
  • 컨테이너당 객체 상한을 평소의 100 대신 250으로. ConfigureAdaptiveObjectStreamPacking으로 이미 자기 값을 세팅해 둔 경우는 제외

object stream에는 PDF 1.5가 필요하므로 버전이 잠기지 않았다면 낡은 Version은 1.5로 올라간다. PDF/A-1은 교차 참조 스트림과 object stream을 아예 금지하므로, PDF/A-1 문서는 고전 교차 참조 테이블을 유지하고 Flate와 폰트 작업만 받는다. 이미지는 임베드한 그대로 정확히 쓰인다. 리샘플도 손실 재압축도 없다

Delphi에서 HotPDF CompressDocument 수명 주기 다이어그램: BeginDoc은 기록자 자신의 값을 기록해 두고 Compression과 UseObjectStreams를 포함한 여섯 설정을 한 문서 동안 오버라이드하며, EndDoc은 최외곽 finally에서 빌린 모든 값을 되돌리고 CompressDocument 속성 자체는 True로 남는다
여섯 개의 기록자 설정과 object-stream 상한은 정확히 한 문서 동안만 빌려 EndDoc이 도는 때 돌려진다. 실패한 리포트가 컴포넌트를 최대 압축에 꽂아 두는 일은 없다
var
  Pdf: THotPDF;
begin
  Pdf := THotPDF.Create(nil);
  try
    Pdf.AutoLaunch := False;
    Pdf.FileName := 'invoice-2026-1042.pdf';
    Pdf.CompressDocument := True;    // BeginDoc이 적용하고 EndDoc이 되돌린다
    Pdf.BeginDoc;
    Pdf.CurrentPage.SetFont('Arial', [], 12);
    Pdf.CurrentPage.TextOut(40, 40, 0, 'Invoice 2026-1042');
    Pdf.CurrentPage.SetFont('SimSun', [], 12);
    Pdf.CurrentPage.TextOut(40, 60, 0, WideString(#$5408#$8BA1));
    Pdf.EndDoc;
  finally
    Pdf.Free;
  end;
end;

복원은 EndDoc의 가장 바깥 finally에서 돌아간다. 데이터 모듈에 살며 하루에 수백 개의 리포트를 쓰는 컴포넌트에게 중요한 지점이다. 리포트 하나의 도중 예외가 다음 잡을 최대 압축에 강제 서브셋팅 켜진 상태로 남겨 두는 일은 없다. CompressDocument 속성 자체는 True로 남아 다음 문서가 같은 처우를 받고, 빌린 설정들만 돌아간다

버전은 더 신중한 처우를 받는다. HotPDF는 문서가 여전히 1.5에서 끝날 때만 자기가 올린 1.5를 되돌린다. 실행 도중 다른 기능이 파일을 더 높이 밀어 올리면, 예컨대 1.6이 필요한 임베드된 OpenType 폰트라면, 높은 버전이 남는다. 압축 없이 얻었을 결과와 정확히 같다. 오래 사는 컴포넌트에서는 시작 때 여섯 속성을 손으로 세팅하는 것보다 안전한 설계다. 손으로 세팅한 값은 편집 가능한 것들을 포함해 이후 모든 잡에 붙어 다니기 때문이다

구문, 오프셋, object-stream 패킹 다듬기

폰트와 스트림이 작아지고 나면 사전과 교차 참조 데이터가 남은 비용의 대부분이 되고, CompressDocument가 쓰는 object-stream 라이터는 그것들도 다듬는다. 컨테이너 형식 자체는 object stream과 증분 업데이트 가이드에서 다룬다. 그 위에서 압축 경로는 네 가지 다듬기를 얹는다:

  • ISO 32000-1 §7.2.2의 컴팩트 구문: 공백은 두 토큰이 일반 문자로 붙어 읽히는 자리에만 쓰이므로 /Type /Page가 /Type/Page가 된다
  • 교차 참조 스트림 필드는 §7.5.8.2가 허용하는 어떤 폭이든 쓴다. 16MB 미만 파일은 각 오프셋을 4바이트 대신 3바이트로 저장한다
  • object stream 하나에 최대 250개의 객체가 들어간다. 더 적고 큰 컨테이너가 Flate에게 더 많은 반복을 준다
  • 암호화되지 않은 파일에서 Catalog와 Info 딕셔너리도 object stream에 들어간다. 암호화 출력은 이들을 최상위에 둔다

컴팩트 구문은 파일의 텍스트를 검색해 손대는 모든 것과 부딪친다. 서명이 뻔한 사례다. 서명 값은 파일이 쓰인 뒤, 출력 바이트에서 리터럴 자리표 /ByteRange (와 /Contents <를 찾아 채워진다. 컴팩트하게 적히면 이들은 /ByteRange(와 /Contents<가 되고 리터럴 검색은 영원히 못 찾는다. 그래서 HotPDF는 서명 딕셔너리(Type Sig나 DocTimeStamp, FT Sig)와 암호화 딕셔너리에는 공백 있는 배치로 쓴다. /Type /Page 같은 공백 토큰을 grep하는 여러분의 저장 후 스크립트에는 빠진 공백을 허용하는 패턴이 필요하다

이미 불러온 PDF도 압축할 수 있을까?

그렇다. 옵션 오버로드 CompressLoadedDocument(Options, AInfo)가 기존 파일에 같은 무손실 단계들을 돌린다. THPDFLoadedDocumentCompressionOptions.Default에서는 안 쓰는 페이지 리소스를 제거하고, 같은 폰트와 폼 XObject를 병합하며, 컴팩트 서브셋을 켠 채 임베드된 폰트를 서브셋팅하고, 필터 없는, Flate, LZW, ASCII85, ASCIIHex, RunLength 스트림을 결과가 더 작을 때만 Flate로 재압축하며, 다음 저장을 object stream으로 바꾼다. HighRatioFlate는 기본값이 꺼져 있고, PDF/A-1과 증분 저장에서는 object stream을 건너뛴다. 인자 없는 CompressLoadedDocument 오버로드는 더 좁은 호출이다. 압축 없이 저장된 스트림만 Flate로 누른다

var
  Doc: THotPDF;
  Options: THPDFLoadedDocumentCompressionOptions;
  Info: THPDFLoadedDocumentCompressionInfo;
begin
  Doc := THotPDF.Create(nil);
  try
    Doc.AutoLaunch := False;
    Doc.LoadFromFile('quarterly-report.pdf');
    Options := THPDFLoadedDocumentCompressionOptions.Default;
    // Options.AllowSignatureInvalidation := True;  // 서명을 잃어도 괜찮을 때만
    Doc.CompressLoadedDocument(Options, Info);
    if Info.RefusedBySignaturePolicy then
      Writeln(Format('Left untouched: %d signature fields', [Info.SignatureCount]))
    else
    begin
      Writeln(Format('Compact fonts: %d, bytes saved before object streams: %d',
        [Info.Fonts.CompactSubsetFontCount, Info.BytesSaved]));
      Doc.SaveLoadedDocument('quarterly-report-compact.pdf');
    end;
  finally
    Doc.Free;
  end;
end;

서명된 파일은 하나의 결정으로 다뤄진다. 모든 단계가 서명이 덮는 바이트를 다시 쓰므로, 서명 필드를 가진 문서는 통째로 거부된다. 호출은 0을 돌려주고 RefusedBySignaturePolicy를 세팅하며 아무것도 바꾸지 않는다. AllowSignatureInvalidation을 세팅하면 작업이 진행되고 Info.SignaturesInvalidated는 서명들이 더 이상 검증되지 않는다고 기록한다. 배치 잡에서는 그 옵션을 꺼 둬라. 밤새 압축된 계약서 폴더에서 절반이 서명을 가지고 있었다는 사실을 발견하는 것은 좋은 자리가 아니다

Delphi에서 HotPDF CompressLoadedDocument의 흐름: 호출은 안 쓰는 페이지 리소스를 제거하고, 같은 폰트와 폼을 병합하며, 컴팩트 서브셋으로 임베드된 폰트를 서브셋팅하고, 결과가 더 작을 때만 Flate로 스트림을 재압축하고, 다음 저장을 위해 object stream을 켠다. 한편 서명 필드는 RefusedBySignaturePolicy를 트리거해 파일을 그대로 둔다
모든 단계가 서명이 덮는 바이트를 다시 쓰므로, 무효화를 명시적으로 허용하지 않으면 문서 전체가 거부된다. 그때 Info.BytesSaved는 리소스, 폰트, 스트림 작업만 합산한다

로드 경로의 압축은 생성 경로보다 엄격한데, 이유는 파일 형식에서 바로 나온다. 폰트가 서브셋되는 시점에 디코더는 이미 파일이 싣고 있던 어떤 /CIDToGIDMap을 통해서든 모든 CID를 GID로 바꿔 놨지만, 새 컴팩트 맵은 CID로 인덱싱되어야 한다. 둘이 맞아떨어지는 경우는 CID가 GID와 같을 때뿐이다. 그래서 HotPDF는 그 폰트 프로그램을 쓰는 모든 폰트가 Identity /CIDToGIDMap을 가진 CIDFontType2일 때만 폰트 프로그램을 압축한다. 이미 맵 스트림을 가진 프로그램, 단순 TrueType 폰트, /CIDSet을 가진 폰트는 성긴 서브셋을 받는다. 컬러 글리프 테이블(COLR, sbix, CBDT, SVG)을 가진 서체도 그렇다. 컴팩트 재빌드는 외곽선 테이블만 유지하므로 컬러 레이어를 떨어뜨리게 된다

Info.BytesSaved는 있는 그대로 읽어라. 리소스, 폰트, 스트림 단계를 합산하고, object-stream 이득은 SaveLoadedDocument가 파일을 쓸 때만 나타난다. 전체 수치는 디스크의 파일 크기로 비교하라

최종 사본과 아직 변하는 문서

이득은 파일의 어느 만큼이 압축 없는 구조와 과대한 폰트 데이터인지에 따라 움직이고, 페이지 수는 별 상관이 없다. Arial과 SimSun으로 영어와 중국어가 섞인 세 페이지 문서, 두 폰트 모두 완전히 임베드된 경우, 압축 없는 파일은 10MB쯤 된다. CompressDocument로 만들면 대략 20KB인데 대부분의 감소는 폰트 서브셋팅에서 오고, CompressLoadedDocument는 압축 없는 원본에 대해 같은 범위에 떨어진다. 이미 컴팩트한 PDF는 거의 움직이지 않는다. 사진 위주 파일은 적게 얻는다. 어느 경로도 이미지 데이터는 만지지 않는다

비용은 편집 가능성이다. 서브셋 폰트는 문서가 이미 쓰는 문자만 보여 줄 수 있으므로, 나중에 누군가 채우는 AcroForm이나 같은 폰트로 새 텍스트를 얹는 증분 편집은 없는 글리프에 부딪칠 수 있다. 패킹된 object stream은 텍스트 편집기에서 읽히지도 않게 되어, PDF를 노트패드로 여는 것으로 시작하는 디버깅 세션을 느리게 만든다. 최종 사본에는 CompressDocument를 켜라. 아카이브된 청구서, 명세서, 한 번 생성되고 뒤에는 읽히기만 하는 것들이다. 하류에서 누군가 채울 템플릿과 양식은 끄고 전체 폰트를 유지하라

매일 밤 같은 CJK 리포트를 생성한다면 컴팩트 서브셋을 디스크의 영구 폰트 서브셋 캐시와 짝지어라. 서브셋팅 작업이 매 실행마다 다시 되지 않게. 그리고 밤마다의 두 출력을 비교할 때는 객체 내용으로 diff하라. 하나 바뀐 필드가 자기 object stream 전체를 다시 Flate하므로, 바이트 diff는 실제보다 훨씬 큰 변화를 보여 준다

위 모든 것의 속성, 레코드, 옵션 세부사항은 HotPDF Delphi PDF 컴포넌트 제품 페이지의 레퍼런스에 있다