Как подготовить PDF для загрузки

Как подготовить PDF к загрузке

«Подготовленный файл» звучит расплывчато, а означает вещь конкретную: документ, который пройдёт проверки на той стороне, не потребует переделки и не унесёт с собой лишнего. Проверок обычно три, они автоматические, и ни одна из них не смотрит на то, как файл называется.

Что на самом деле проверяет приёмная сторона

Первая строка стоит того, чтобы её запомнить: расширение файла не значит ничего. Формат опознаётся по содержимому, поэтому переименование картинки в `.pdf` не поможет, а настоящий PDF без расширения пройдёт нормально.

Четвёртая проверка появилась сравнительно недавно и встречается всё чаще: система принимающей стороны хочет искать по документам, а скан для неё пустой. Проверить свой файл можно за секунду: откройте его и попробуйте выделить строку мышью. Если выделяется вся страница одним прямоугольником, текстового слоя нет.

Порядок операций и что каждая забирает

Это главное, ради чего стоит читать дальше. Каждая обработка что-то сохраняет, а что-то теряет, и порядок действий определяет, что доедет до получателя.

Отсюда рабочий порядок: сначала собрать документ, потом поправить страницы, потом распознать текст, и только в конце сжать. Сжатие последним потому, что любая следующая операция снова увеличит файл. Распознавание перед сжатием потому, что распознавание читает изображение страницы, а сжатие это изображение ухудшает.

Строка про серое объясняет частую неприятность. Документ переводят в оттенки серого ради экономии на печати, отправляют в форму, и форма отклоняет его как файл без текста. Причина в том, что перевод в серое перерисовывает страницы в картинки. Если файл идёт и в типографию, и в форму, готовьте две версии.

Строка про подпись объясняет другую: после простановки подписи название документа и ключевые слова из свойств исчезают, остаются только автор и тема, куда дописывается отметка о подписи.

Свойства документа уезжают вместе с файлом

Название, автор и ключевые слова хранятся внутри PDF и переносятся почти всеми операциями. Они видны получателю в свойствах документа, и там регулярно обнаруживается что-нибудь лишнее: имя сотрудника, который делал документ, внутреннее рабочее название вроде «черновик для юристов», путь к папке на диске.

Word и другие редакторы заполняют эти поля автоматически, из настроек учётной записи. Пользователь их не видел ни разу и потому не подозревает об их существовании.

Убираются они через set-pdf-metadata с включённой очисткой существующих значений. Делать это нужно последним шагом или предпоследним: любая операция после очистки перенесёт уже пустые поля, а вот замена файла на новую версию вернёт всё обратно.

Обрезка прячет, а не удаляет

Ещё одна вещь, о которой стоит знать до отправки. Обрезка страницы меняет только видимую область: PDF хранит рядом два прямоугольника, физический размер листа и видимую его часть, и обрезка правит второй.

Содержимое за границей никуда не девается. Оно остаётся в файле, извлекается копированием текста и возвращается на экран сбросом обрезки в любом полноценном редакторе.

Для документа, из которого нужно убрать персональные данные, обрезка не подходит вовсе. Здесь нужен redact-pdf с чёрным или белым стилем: они действительно удаляют содержимое из-под прямоугольника. Стиль с размытием на удаление не рассчитан и предупреждает об этом отдельно.

Пароль снимайте заранее

Документ, защищённый паролем на открытие, не примет ни форма, ни большинство систем документооборота: они не могут прочитать содержимое, чтобы его проверить. Снимается такая защита через unlock-pdf, где пароль вводите вы.

Пароль владельца, ограничивающий печать и копирование, обработке не мешает, но некоторые строгие системы отклоняют и его: им нужно извлечь текст, а запрет на копирование формально это запрещает. Если форма отказывает без внятной причины, а файл на вид нормальный, стоит проверить и это ограничение.

Если требований не сообщили

Бывает, что форма ничего не объясняет, а служба поддержки отвечает через неделю. В этом случае разумно взять набор значений, который принимают почти везде, и не гадать.

Один файл вместо пакета. Формат страниц A4 или Letter, одинаковый на всех листах. Вес до десяти мегабайт: это порог, ниже которого не отказывает практически никакая форма, и он же комфортен для почты. Текстовый слой есть. Пароля нет. Страницы стоят в том порядке, в каком их будут читать, и ни одна не лежит на боку.

Такой файл проходит и в банк, и в вуз, и в государственный портал. Если конкретное требование окажется строже, вы узнаете об этом из отказа, и правка будет точечной, а не переделкой с нуля.

Как проверить файл перед отправкой

Три проверки, каждая занимает секунды и ловит разные ошибки.

Откройте файл в другой программе, а не в той, где делали. Браузер и настольный просмотрщик по-разному показывают повёрнутые страницы, потому что поворот хранится как отдельное свойство страницы, а не как поворот содержимого. Расхождение лучше увидеть у себя.

Выделите строку текста мышью. Это проверка на текстовый слой, та самая, которую делает автоматика.

Откройте свойства документа. Там видно название и автора, число страниц и вес. Число страниц полезно сверить с ожидаемым: лишний лист после сборки замечается именно здесь.

Как привести файл в порядок

1. Соберите документ целиком, если он состоит из частей. 2. Поправьте страницы: порядок, повороты, лишние листы. 3. Если это скан, распознайте текст через ocr-pdf. 4. Почистите свойства документа, если файл уходит наружу. 5. Сожмите через compress-pdf и проверьте, что вес укладывается в лимит формы. 6. Если не укладывается даже после сжатия, разделите документ через split-pdf и отправьте частями. 7. Откройте готовый файл в другой программе и пройдите три проверки выше.