Teknik Makale

HotPDF CompressDocument ile Kompakt Yazı Tipi Alt Kümeleri

SimSun ile dizilip sıradan bir TrueType alt kümeleyiciden geçen iki Çin karakteri, PDF'te yine de yaklaşık 25 KB gömülü yazı tipi verisi bırakır. O iki ideografinin dış hatları bunun bir dilimidir. Gerisi slot kaydıdır: alt küme özgün glif numaralandırmasını koruduğu için, sakladığı en yüksek GID'e kadar her glif ID için bir konum girdisi ve bir genişlik girdisi taşımaya devam eder ve bir CJK yazı yüzünde ideograflar çok büyük bir tablonun derinliklerinde durur. Kalanları sıfırdan yeniden numaralandırın, çeviriyi bir /CIDToGIDMap akışına bırakın, aynı iki karakter yaklaşık 3 KB'a sığar

Baytlar seyrek bir yazı tipi alt kümesinde nereye gider

Seyrek bir alt küme ağırlığını korur, çünkü hiçbir glifi oynatmayı reddeder. HotPDF Unicode metni, bir CIDFontType2 dölü üzerinde Type 0 yazı tipi olarak yazar ve içerik akışı her glifi CID olarak kullanılan özgün glif ID ile gösterir. /CIDToGIDMap /Identity ile ISO 32000-1 §9.7.4.2, görüntüleyiciye o CID'i doğrudan glif indeksi olarak söyletir. Yazı tipi programının içindeki glifleri yeniden numaralandırıp gerisini rahat bırakırsanız sayfadaki her karakter yanlış dış hattı gösterir. Numaralandırmayı korumak ucuz ve güvenli yanıttır; bedeli, loca ile hmtx'in saklanan en yüksek GID'e kadar her slotu — boş olsa bile — kapsamak zorunda olmasıdır

Bir CJK yüzünün 28.000 glif bildirdiğini ve iki karakterinizden birinin sona yakın durduğunu düşünün. Uzun biçimli bir loca tablosu slot başına 4 bayt harcar — kabaca 112 KB — ve tam yatay metrikler bir o kadar daha harcar. Sıkıştırmadan önce 200 KB'u aşan tablo; neredeyse tamamı sıfırlar ve yinelenen ofsetler. Flate o tür dizileri çok iyi büzer ama yok edemez; 25 KB'un çoğu oradan gelir. Birkaç bin glifli bir Latin yüz, aynı yapıyı onda bir ölçekte taşır; dolayısıyla bedel gerçekten Çince, Japonca ya da Korece metin harmanlayan belgelerin üstüne düşer

Hangi gliflerin en başta kalacağı (birleşik bileşenler, şekillendirme tarafından çekilen alternatifler) daha önce, şekillendirilmiş glifler için yazı tipi alt küme kapanış kuralları tarafından karara bağlanır. Sıkıştırma, o set sabitlendikten sonra kalanların neye mal olacağını değiştirir

CIDToGIDMap akışı arkasında kompakt yazı tipi alt kümeleri

THotPDF.CompactFontSubsetting, saklanan glifleri sıfırdan başlayan yoğun bir aralığa yeniden numaralandırır, glif tablolarını yalnızca o glifler için yeniden kurar ve CIDFont üzerine açık bir /CIDToGIDMap akışı yazar. ISO 32000-1 §9.7.4.2 o akışı, CID ile indekslenen, iki baytlık büyük uçlu (big-endian) glif ID dizisi olarak tanımlar: CID n'in GID'i 2n bayt ofsetinde durur. İçerik akışları, /W genişlik dizisi ve ToUnicode CMap, özgün sayıları CID olarak korur. CID'den glife adım yalnızca haritaya taşınır, dolayısıyla çoktan sayfaya yazılmış hiçbir şeye dokunmak gerekmez

Özellik kendi başına çalışır. Daha küçük yazı tipleri için sıkıştırma makinelerinin geri kalanına gereksiniminiz yoktur ve çoğunlukla CJK metni taşıyan bir rapor için bu iki ayar işin çoğunu yapar:

Pdf.EnableFontSubsetting := True;
Pdf.CompactFontSubsetting := True;   // CompressDocument olmadan da kullanılabilir
Pdf.BeginDoc;
Pdf.CurrentPage.SetFont('SimSun', [], 12);
Pdf.CurrentPage.TextOut(40, 40, 0, WideString('Total: '#$4E2D#$6587));
Pdf.EndDoc;
Saklanan en yüksek GID'e kadar her özgün glif ID için loca ile hmtx girdilerini koruyan seyrek bir HotPDF yazı tipi alt kümesi ile saklanan glifleri sıfırdan yoğun biçimde yeniden numaralandıran, CID'leri bir CIDToGIDMap akışıyla haritalayan CompactFontSubsetting çıktısının karşılaştırması; içerik akışları, /W ve ToUnicode değişmeden kalır
Yeniden numaralandırma, bedeli yazı tipi programından tek küçük bir harita akışına taşır — iki SimSun karakteri, çoktan yazılmış içeriğin tek bir baytına dokunmadan yaklaşık 25 KB'tan yaklaşık 3 KB'a düşer

Sıkıştırma, belirli bir tür yazı tipine uygulanır. HotPDF kompakt alt kümeleri Type 0 TrueType yüzler için kurar: EnableFontSubsetting açıkken SetFont ile ayarlananlar ve RegisterUnicodeTTF ile kaydedilen yüz. Basit bir TrueType yazı tipi, kendi yazı tipi programının içindeki cmap üzerinden konumlanır ve yeniden numaralandırma o cmap'i yanlış gliflerde bırakırdı; dolayısıyla basit yazı tipleri seyrek alt kümeyi korur. OpenType-CFF yüzler de onu korur. Belirli bir font için kompakt kurulum başarısız olursa HotPDF o font için seyrek alt kümeyi yazar ve belgeye devam eder. Özellik varsayılan olarak kapalıdır, dolayısıyla var olan çıktı, siz katılmayı seçene kadar bayt bayt özdeş kalır; PDF/A altında kayıtlı Unicode yüz her zaman kompakt bir alt küme alır

Okuma tarafında tek bir tuzak durur. Bir /CIDToGIDMap akışı, CMap'lerin yanına aitmiş gibi görünür ama ham ikilidir, begincidchar blokları taşımaz ve onu bir CMap tokenleştiricisine vermek hiçbir hata vermeden boş bir harita döndürür. Kendi araçlarınız bu dosyalardan metin çıkarıyor ya da glif ölçüyorsa haritayı düz 16 bitlik çiftler olarak okuyun

CompressDocument tek bir belge için neyi değiştirir?

THotPDF.CompressDocument, altı yazıcı ayarını artı object stream tavanını BeginDoc anında ödünç alır ve EndDoc anında her birini geri verir. PDF sürümü sabitlenmeden önce HotPDF sizin değerlerinizi kaydeder ve şunları ayarlar:

  • Compression değerini cmFlateDecode, CompressionLevel değerini clMaximum yapar
  • EnableFontSubsetting ile CompactFontSubsetting değerlerini True yapar
  • UseXRefStream ile UseObjectStreams değerlerini ISO 32000-1 §7.5.7 ve §7.5.8 uyarınca True yapar
  • Nesne başına konteyner tavanını, ConfigureAdaptiveObjectStreamPacking ile kendiniz bir değer atamadıysanız alışıldık 100 yerine 250 yapar

Object stream'ler PDF 1.5 gerektirir, dolayısıyla sürüm kilitli değilken eski bir Version 1.5'e yükseltilir. PDF/A-1, çapraz referans ve object stream'lerini tümüyle yasaklar, dolayısıyla bir PDF/A-1 belgesi klasik çapraz referans tablosunu korur ve yalnızca Flate ile yazı tipi işini alır. Görüntüler, gömdüğünüz şekilde aynen yazılır; hiçbir şey yeniden örneklenmez ya da kayıplı yeniden sıkıştırılmaz

Delphi'de HotPDF CompressDocument yaşam döngüsü şeması: BeginDoc yazıcının kendi değerlerini kaydeder, Compression ile UseObjectStreams dahil altı ayarı tek bir belge için ezer ve EndDoc her ödünç değeri en dış finally'de geri koyar; CompressDocument özelliğinin kendisi True kalır
Altı yazıcı ayarı ve object stream tavanı, tam olarak tek bir belge için ödünç alınır ve EndDoc çalıştığında geri verilir, böylece başarısız bir rapor bileşeni azami sıkıştırmada sıkışıp bırakmaz
var
  Pdf: THotPDF;
begin
  Pdf := THotPDF.Create(nil);
  try
    Pdf.AutoLaunch := False;
    Pdf.FileName := 'invoice-2026-1042.pdf';
    Pdf.CompressDocument := True;    // BeginDoc uygular, EndDoc geri alır
    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;

Geri yükleme, EndDoc'un en dış finally bloğunda çalışır. Bu, bir veri modülünde yaşayan ve günde yüzlerce rapor yazan bir bileşen için önemlidir: bir raporun ortasındaki bir istisna, sonraki işi alt kümeleme dayatılmış azami sıkıştırmayla çalışır bırakmaz. CompressDocument özelliğinin kendisi True kalır, dolayısıyla sonraki belge aynı muameleyi görür ve yalnızca ödünç alınan ayarlar geri döner

Sürüm daha titiz ele alınır. HotPDF, kendi 1.5'e yükseltmesini yalnızca belge hâlâ 1.5'te bitiyorsa geri alır. Başka bir özellik çalışma sırasında dosyayı daha yukarı itiyorsa (1.6 gerektiren gömülü bir OpenType yazı tipi diyelim) yüksek sürüm kalır; sıkıştırma olmasaydı da tam olarak bu sonuç çıkardı. Uzun ömürlü bir bileşen için bu, altı özelliği başlangıçta bir kez elle ayarlamaktan daha güvenli bir tasarımdır, çünkü elle atanan değerler, düzenlenebilir olanlar dahil, sonraki her işte durur

Sözdizimini, ofsetleri ve object stream paketlemesini budamak

Yazı tipleri ve akışlar küçüldükten sonra sözlükler ile çapraz referans verisi, geride kalan en büyük bedel olur ve CompressDocument tarafından kullanılan object stream yazıcısı onları da budar. Konteyner biçiminin kendisi object stream'ler ve artımlı güncellemeler kılavuzunda kapsanır. Onun üstüne sıkıştırma yolu dört rafine katınır:

  • ISO 32000-1 §7.2.2 uyarınca kompakt sözdizimi: boşluk, yalnızca iki token aksi hâlde sıradan karakterler gibi birbirine yapışacaksa yazılır, dolayısıyla /Type /Page, /Type/Page olur
  • Çapraz referans akışı alanları §7.5.8.2'nin izin verdiği herhangi bir genişliği kullanır, dolayısıyla 16 MB altındaki bir dosya her ofseti 4 yerine 3 baytta saklar
  • Her object stream'e kadar 250 nesne girer; daha az ama daha büyük konteynerler Flate'e çalışacak daha fazla yineleme verir
  • Şifrelenmemiş bir dosyada Catalog ile Info sözlüğü de object stream'lere paketlenir, şifreli çıktı ise onları en üst düzeyde tutar

Kompakt sözdizimi, dosyayı metnini arayarak yamalayan her şeye çarpar. İmzalama bariz durumdur. İmza değeri, dosya yazıldıktan sonra, çıktı baytlarında /ByteRange ( ve /Contents < yer tutucularının birebir konumlanmasıyla doldurulur. Kompakt yazıldıklarında onlar /ByteRange( ve /Contents< olur ve birebir bir arama onları asla bulamaz. HotPDF bu yüzden imza sözlüklerini (Type Sig ya da DocTimeStamp, ya da FT Sig) ve şifreleme sözlüğünü boşluklu düzende yazar. /Type /Page ya da benzeri boşluklu token arayan kendi kaydetme-sonrası betikleriniz, eksik boşluğa tahammül eden bir desen gerektirir

Zaten yüklenmiş bir PDF'i sıkıştırabilir misiniz?

Evet. Seçenekli overload CompressLoadedDocument(Options, AInfo), aynı kayıpsız adımları var olan bir dosya üzerinde çalıştırır. THPDFLoadedDocumentCompressionOptions.Default ile kullanılmayan sayfa kaynaklarını kaldırır, özdeş yazı tiplerini ve form XObject'lerini birleştirir, gömülü yazı tiplerini kompakt alt kümeler açıkken alt kümeler, filtresiz, Flate, LZW, ASCII85, ASCIIHex ve RunLength akışlarını sonucu daha küçükse Flate ile yeniden sıkıştırır ve sonraki kaydı object stream'lere geçirir. HighRatioFlate varsayılan olarak kapalıdır ve object stream'ler PDF/A-1 ile artımlı kayıtlar için atlanır. Parametresiz CompressLoadedDocument overload'u daha dar çağrıdır: yalnızca sıkıştırılmamış saklanan akışları Flate'ler

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;  // yalnızca imzaları kaybetmek kabul edilebilirse
    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;

İmzalı dosyalar tek bir karar olarak ele alınır. Her adım, bir imzanın kapsadığı baytları yeniden yazar, dolayısıyla imza alanı taşıyan bir belge bütün olarak reddedilir: çağrı 0 döndürür, RefusedBySignaturePolicy ayarlar ve hiçbir şey değiştirmez. AllowSignatureInvalidation ayarlamak işin ilerlemesine izin verir ve Info.SignaturesInvalidated o zaman imzaların artık doğrulanmadığını kaydeder. Bu seçeneği toplu işlerde kapalı bırakın. Bir gece boyunca sıkıştırılmış bir klasör sözleşme, yarısının imza taşıdığını keşfetmek için kötü bir yerdir

Delphi'de HotPDF CompressLoadedDocument akışı: çağrı kullanılmayan sayfa kaynaklarını kaldırır, özdeş yazı tiplerini ve formları birleştirir, gömülü yazı tiplerini kompakt alt kümelerle alt kümeler, akışları yalnızca sonuç daha küçükse Flate ile yeniden sıkıştırır ve sonraki kayıt için object stream'leri açar; imza alanları RefusedBySignaturePolicy tetikler ve dosyaya dokunmaz
Her adım bir imzanın kapsadığı baytları yeniden yazar, dolayısıyla geçersiz kılmayı açıkça kabul etmedikçe bütün belge reddedilir — Info.BytesSaved o zaman yalnızca kaynak, yazı tipi ve akış işini toplar

Yüklü yoldaki sıkıştırma, oluşturma yolundakinden daha katıdır ve nedeni dosya biçiminden gelir. Yazı tipleri alt kümelendiğinde decoder, dosyanın taşıdığı hangi /CIDToGIDMap varsa onun üzerinden her CID'i çoktan bir GID'e çevirmiştir; ama yeni kompakt harita CID ile indekslenmek zorundadır. İkisi yalnızca CID eşittir GID olduğunda hizalanır. HotPDF bu yüzden bir yazı tipi programını, onu kullanan her yazı tipi, Identity /CIDToGIDMap taşıyan bir CIDFontType2 olduğunda sıkıştırır. Çoktan bir harita akışı taşıyan programlar, basit TrueType yazı tipleri ve /CIDSet taşıyan yazı tipleri seyrek alt kümeyi alır. Renk glif tabloları taşıyan yüzler de (COLR, sbix, CBDT ya da SVG) öyle, çünkü kompakt yeniden kuruluş yalnızca dış hat tablolarını tutar ve renk katmanlarını düşürürdü

Info.BytesSaved'i ne ise onun için okuyun. Kaynak, yazı tipi ve akış adımlarını toplar; object stream kazancı ise ancak SaveLoadedDocument dosyayı yazdığında görünür, dolayısıyla tam rakam için diskteki dosya boyutlarını karşılaştırın

Son kopyalar ve hâlâ değişen belgeler

Kazanç, bir dosyanın ne kadarının sıkıştırılmamış yapı ve aşırı büyük yazı tipi verisi olduğunu izler ve sayfa sayısıyla pek ilgisi yoktur. Arial ile SimSun'da, her iki yazı tipi tümüyle gömülü, karışık İngilizce ve Çince metinli üç sayfalık bir belge için sıkıştırılmamış dosya yaklaşık 10 MB'a uzanır; CompressDocument ile üretilen hâli kabaca 20 KB'a iner, düşüşün çoğu yazı tipi alt kümelemesindendir ve CompressLoadedDocument, sıkıştırılmamış özgün için aynı aralığa konur. Çoktan kompakt bir PDF pek oynamaz. Fotoğraf ağırlıklı dosyalar az kazanır, çünkü iki yol da görüntü verisine dokunmaz

Bedel düzenlenebilirliliktir. Alt küme bir yazı tipi, yalnızca belgenin çoktan kullandığı karakterleri gösterebilir, dolayısıyla sonra birilerinin dolduracağı bir AcroForm ya da aynı yazı tipinde yeni metin ekleyen artımlı bir düzenleme, eksik gliflere çarpar. Paketlenmiş object stream'ler ayrıca bir metin editöründe okunmaz olur; bu da PDF'i Notepad'de açmakla başlayan her hata ayıklama seansını yavaşlatır. CompressDocument'i son kopyalar için açın: arşivlenen faturalar, ekstreler, bir kez üretilen ve sonrasında yalnızca okunan her şey. Aşağı akışta birilerinin dolduracağı şablonlar ve formlar için kapalı bırakın ve tam yazı tiplerini koruyun

Her gece aynı CJK raporlarını üretiyorsanız, kompakt alt kümeleri diskteki kalıcı yazı tipi alt küme önbelleğiyle eşleştirin, böylece alt kümeleme işi her çalıştırmada yeniden yapılmaz. Ve iki gece çıktısını karşılaştırırken nesne içeriğiyle diff alın. Tek bir değişen alan, bütün object stream'ini yeniden Flate'ler; byte diff, gerçekte olanın çok daha fazlasını değişmiş gösterir

Yukarıdakilerin her şeyine dair özellik, kayıt ve seçenek ayrıntıları, HotPDF Delphi PDF component ürün sayfasındaki referanstadır