ABBYY PDF Transformer 2.0

Проблема и решение

Формат PDF стал стандартом в допечатной подготовке. Документ, сохранённый в нём, утверждается заказчиком, передаётся на вывод, сохраняется в архиве. И часто бывает так, что от проделанной ранее работы остаётся только PDF-файл: данные для вёрстки не годятся, извлечь текст, сохранив в исходном оформлении, практически не удаётся. Для решения проблемы российская компания ABBYY разработала PDF Transformer 2.0. С её помощью можно распознать текст на 37-ми языках, поддерживается стандарт Unicode, PDF-файл можно конвертировать в DOC, RTF, TXT, XLS, HTML и др.

Как это работает

Интерфейс чрезвычайно прост, обучение не требуется — можно сразу приступать к делу. Перед запуском процесса преобразования можно воспользоваться функцией автоматической разметки изображения на блоки либо разметить документ вручную — объясняя программе, где в нём текст, картинка или таблица. Для каждого блока текста или таблицы выбирается язык, задаётся очерёдность обработки блоков при распознавании текста. С другими настройками, помогающими при работе с текстом, можно ознакомиться в «Справке к программе» или «Руководстве пользователя» (см. на сайте разработчика). После разметки содержимого файла программа преобразует его в выбранный вами формат.

Но одно дело инструкция, совсем другое — практический опыт. Для знакомства с программой попробуем преобразовать в редактируемый формат с. 10 «Руководства», на которой есть текст и картинки. Закладка Fonts в меню Document Properties сообщает, что в этот файл внедрены шрифты FreeSetC, FreeSetBlackC и GaramondNarrowC.

На рисунке видны в чёрных рамках блоки текста, а в красных — области страницы, которые программа должна сохранить как иллюстрации (предположим, что мы не хотим распознавать подписи к картинкам). После запуска процесса получаем файл в формате Word, в котором внедрённых шрифтов нет. Вместо них используются Arial и New Roman, сохранены только размер букв и начертание. Рисунки размещены по тексту, как в исходном файле.

На странице, открытой в PDF Transformer, текстовые блоки помечены чёрными рамками, а графические — красными

Далее проверяем программу на PDF-файлах, созданных в QuarkX-Press и Adobe InDesign. Эти работы содержали текстовый многоколонник, таблицу и CMYK-картинку, использовались разные шрифты, текст окрашен разными цветами. После разметки многоколонника и таблицы имеем RTF-файл: разметка текста в плане размера, начертания и цвета букв сохранена, но используемые шрифты те же — Arial и New Roman. Структура и содержимое таблицы сохранены без потерь, но виды линеек и их толщина не сохранились. Текстовые данные извлекаются корректно, и не важно, какие шрифты использовались при создании PDF-файла, — верстальщику придётся задать нужные стили и шрифты.

Что касается CMYK-иллюстрации, то налицо потеря: сохранив файл как веб-страницу, убеждаемся, что картинка преобразована в цветовую модель RGB. Причина понятна: HTML (да и другие офисные форматы) не поддерживает CMYK. Если предполагаете использовать информацию PDF-файла для вёрстки, придётся извлечь картинку непосредственно из файла с помощью Adobe Photoshop, Illustrator или редактора PDF (Enfocus Pitstop).

Программа равнодушна к кодировке текста в PDF-формате, главное — начертание букв. Справилась она и с отсканированными распечатками, сохранёнными в многостраничный PDF-файл. Как и следовало ожидать, в окне Document Properties закладка Fonts была пустой, но программа хорошо распознала текст.

На пробу

На сайте ABBYY указана рекомендованная цена, есть полнофункциональная демо-версия. Программа подходит не только пользователям QuakXPress. Файл, сохранённый в формате DOC, TXT или RTF, можно импортировать в любой программе вёрстки. Конечно, интересно увидеть развитие функций, ориентированных на допечатную подготовку. Например, программа могла бы извлекать из PDF-файла растровые изображения или сохранять в выходном файле хотя бы названия использованных шрифтов.

PDF Transformer 2.0