Není PDF jako PDF - prosba - vyřešeno

14.4.2008 12:00 | Přečteno: 2142× | Linux | poslední úprava: 14.4.2008 12:56

Patří obecně ke zvyku, používat pro přenos textu, který netřeba dále upravovat, formát pdf.

To, že pdf se zobrazuje všude stejně a nemusíme se bát, jestli náhodou nebude mít někdo problém takový soubor otevřít, mnozí přijali jako fakt.

Dneska byla ale moje důvěra v tento formát silně otřesena. Jako obvykle jsem vysázel svou práci v LaTeXu (miluju TeXLive), zkompiloval pomocí pdfcslatex do pdf (žádná chybová hlášení ani varování, pouze informace o přesahu okraje, ale to je zanedbatelné a zalomení slova by vypadalo blbě), prohlédnul si jej jestli tam nemám nějaké překlepy apod., hodil na flashku a vesele vyrazil do tiskárny.

Potkal jsem tam kamaráda, nechal si tisknout pdf z oscanovaných obrázků a tisk nešel moc rychle. Po chvilce čekání jsem přišel na řadu a předal paní svou práci.

A zde nastává zlatý hřeb dne. Paní za chvíli přišla, že jí ten soubor nejde otevřít ať se na to zajdu podívat. A skutečně, v Acrobat Readeru se zobrazilo 20 prázdných stran a vyskočilo okno s chybovým hlášením ve stylu "Soubor nelze otevřít, je pravděpodobně poškozen. Kontaktujte prosím autora dokumentu".

Zašel jsem tedy zpět na pokoj abych zjistil, kde je problém.

Abych to shrnul: Evince, Kpdf i Okular otevřou dané pdf naprosto bez problémů. Pouze Acrobat Reader s tím vůbec nepohne.

Zkouším všechno možné i nemožné a přemýšlím jak to napravit a jsem z toho dost bezradný. Mohl bych poprosit někoho o radu či pomoc? Mohl by mi to případně někdo zkompilovat ať to v tom Readeru jde?

Zkoušel jsem to kompilovat pomocí pdflatex. Co je tam potřeba změnit krom \usepackage{czech} -> \usepackage[czech]{babel}, řve mi to, že jsem volal babel starým způsobem.

Kontakt na mě: JID - belisarivs@njs.netlab.cz

Děkuju moc.

Inkriminované pdfko.

Ponechávám tu článek v nezměněné podobě.

Problém byl vyřešen. Namísto pomocí pdfcslatex jsem provedl kompilaci pomoci cslatex, pote pomoci dvips zkonvertoval do Postscriptu a ps pomoci ps2pdf převedl do pdf.

Podám chybové hlášení do Ubuntu protože nevím, jestli je to chyba v rámci distribuce nebo přímo TeXLive.

Update

Při výše zmíněné kompilaci ve více krocích je chyba odstraněna. Při kompilaci pomocí pdfcslatex se chyba vyskytuje jenom u toho jednoho souboru. Zkoušel jsem jiné pdf soubory kompilované pomocí pdfcslatex, a tam není problém. Otevřou se v Acrobatu a pri otevření v Evince z příkazové řádky ne žádná chybová hlášení nezobrazují.

Nejsem tedy schopen problém reprodukovat tak, abych mohl zjistit, co presne tento problem zpusobuje.

       

Komentáře

[Algi]

Obsahuje ten dokument nějaké citlivé informace? Já jenom, že kdyby tu byl na něj odkaz, tak bych si ho mohl stáhnout a zkusit otevřít pomocí různých programů. Bohužel latexu nerozumím, ale aspoň bych ti mohl potvrdit, že to jde špatně i u mě, popřípadně se pokusit ho "narovnat" (zkusit znovu uložit jako PDF).

Ostatně, zkoušel jsi Adobe Reader na Linuxu? V jaké verzi PDF to vlastně exportuješ? Ta paní může mít totiž ten Reader zastaralý - ačkoliv v tiskárně by tomu tak být nemělo

[belisarivs]

Tady to je.

http://rapidshare.de/files/39113806/thesis.pdf.html

[Algi]

Heh, než jsem stačil se sem podívat znovu, tak jsi to vyřešil

[Algi]

Hm, takže jak se zdá, tak vítězem o nejhloupější software na zobrazení PDF je sám Adobe V Preview na Macu se mi to zobrazilo v pohodě. Obsah jsem nečetl, ale vysázené je to pěkně. Tak hodně štěstí...

[belisarivs]

No, pani mela nejakou novejsi verzi Readeru. Mne to nejde ani v te posledni.

[petr_p]

V acroread-8.1.2 bílo, stěžuje si na chybný operand. Cokoliv nad popplerem-0.6.3 to zobrazí, ale na stderr to vypisuje spoustu chybných operátorů (a na rozdíl od acroreadu také které). Ghostscritp-8.61 to nezobrazí, také si stěžuje na chybné operátory.

Příští návštěvu bych doporučil s PostScriptem a nebo se vybodnout na pdfcslatex. Přeci jen to je již zatuchající stařík.

[Michal Kubeček]

To "cs" i "la" určují jen styl, pokud je to PDF opravdu chybné, může za to samotný pdfTeX.

[Petr B.]

Já bych zase potřeboval poradit, jak vypnout v csplainu dělení slov. Napsal jsem v tom poměrně dlouhou práci a celou dobu to vypadalo dobře až finální verze má spoustu slov rozdělených špatně. Potřboval bych poradit jak to řešit. Buď vypnout dělení úplně nebo jenom u těch slov, co jsou špatně? Prosím, prosím.

[belisarivs]

Pouzij \hyphenation{slova}

[skonciljsem]

A co do postscriptu a zkonvertovat ten (třeba ghostcriptem)?

[belisarivs]

U všech ďasů. Jede to. Děkuju moc.

[black - aka pol]

K tomu bych se připojil, postscript nebo prn a pak ghostscript.

[trekker.dk]

To se mi stalo taky - docela vtipný, byla to nějaká práce, kterou jsem zrovna měl v úmyslu odezvdat.

[black - aka pol]

Nemám linux toho času, ale tohle mi to vyhodilo:

GSview 4.9 2007-11-18
GPL Ghostscript 8.61 (2007-11-21)
Copyright (C) 2007 Artifex Software, Inc. All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
Scanning PDF file
%GSVIEW_PDF_PAGES: 1 20
Displaying PDF page 1
%GSVIEW_PDF_PAGE: 1
%GSVIEW_PDF_MEDIA: [0 0 595.276 841.89]
%GSVIEW_PDF_ROTATE: 0
**** Unknown operator: 'docinfo'
**** Unknown operator: 'dest'
**** Unknown operator: '@thispage'
**** Unknown operator: '@xpos'
**** Unknown operator: '@ypos'
Error: /unmatchedmark in --]--
Operand stack:
--dict:5/5(L)-- --nostringval--
Execution stack:
%interp_exit .runexec2 --nostringval-- --nostringval-- --nostringval-- 2 %stopped_push --nostringval-- --nostringval-- false 1 %stopped_push 1905 1 3 %oparray_pop 1904 1 3 %oparray_pop 1888 1 3 %oparray_pop 1771 1 3 %oparray_pop --nostringval-- %errorexec_pop .runexec2 --nostringval-- --nostringval-- --nostringval-- 2 %stopped_push --nostringval-- --nostringval-- --nostringval-- --nostringval-- --nostringval-- %array_continue --nostringval-- false 1 %stopped_push --nostringval-- %loop_continue 1754 2 8 %oparray_pop --nostringval--
Dictionary stack:
--dict:1153/1684(ro)(G)-- --dict:2/20(G)-- --dict:79/200(L)-- --dict:107/127(ro)(G)-- --dict:275/300(ro)(G)-- --dict:22/25(L)-- --dict:4/6(L)-- --dict:21/40(L)--
Current allocation mode is local
Last OS error: No such file or directory
pdf_page failed


Snad ti to nějak pomůže...

[shamot]

Ja som to stiahol a otvoril v Evince a otvorí sa to dobre, ale keď som to skúsil cez konzolu tak vyskočili tieto chyby:

Error (176): Unknown operator 'docinfo'
Error (396): Unknown operator 'dest'
Error (448): Unknown operator 'obj'
Error (451): Unknown operator '@OBJpdfdocencoding'
Error (1007): Unknown operator 'obj'
Error (1007): Unknown operator '@OBJZaDb'
Error (1047): Unknown operator 'obj'
Error (1047): Unknown operator '@OBJHelv'
Error (1070): Unknown operator 'outline'

pričom ten posledný outline tam je za sebou viackrát a potom ešte:

Error (1522): Unterminated string
Error (1522): End of file inside dictionary
Error (1522): Illegal character ')'
Error (1522): Unknown operator 'o\000j\000e'
Error (1525): Unknown operator '>>'

Celkovo je tam tých chýb viacero, predpokladám že sa niečo zvrzlo pri preklade do PDF. Skús to preložiť najprv do PostScript-u a potom do PDF.

[petr]

"Předestilujte" ten soubor znova. LaTeX bohužel neumí vytvořit správné PDF Bohužel. Já vždycky předestilovával Adobe Destillerem. Tam, kde není, musí stačit GhostScript, ale na ofset s tím nechodím.

Postup s GhostScriptem:

• Z vytvořeného PDF souboru vytořit PostScript pomocí pdftops. Jiný nástroj nepouživat, tento jediný vyextrahuje z PDF fonty a veškeré EPSy.
• Z PostScriptu z předchozího kroku vytvořit zpět PDF soubor pomocí ps2pdfwr. Výsledný PDF soubor již obsahuje téměř všechny fonty a je tedy zobrazitelný. Nemusí být ovšem tisknutelný.

U všech výše uvedených nástrojů je třeba pamatovat na formát stránky. Výchozí je samozřejmě US Letter, který se v evropských zemích používá výjimečně.

Vytvářet LaTeXem rovnou ten PostScript a vypustit tak první krok se mi neosvědčilo.

[Michal Kubeček]

LaTeX bohužel neumí vytvořit správné PDF

Tato věta je nesmyslná. LaTeX nemá s vytvářením PDF vůbec nic společného, je to jen styl.

[Marble]

To není pravda, součástí LaTeXu je spousta \special či \pdfliteral, které generují přímo PDFkový kód, na který už TeX nijak nesahá.

A mmch, třeba zrovna pdfTeX + plain mi nikdy problematické PDFko nevytvořil, a to jej používám víc než dost.

[Michal Kubeček]

To není pravda, součástí LaTeXu je spousta \special či \pdfliteral, které generují přímo PDFkový kód, na který už TeX nijak nesahá.

Nemáte pravdu. Oboje jsou primitiva pdfTeXu (\special dokonce i obyčejného TeXu), která jsou naopak zpracovávána přímo TeXem bez ohledu na to, zda používáte LaTeX nebo ne.

[petr_p]

Příloha:

• test.tex (700 bytů)

Jenže tato makra umožňují vkládat do výstupního souboru doslovný kód, který (pdf(e))tex nijak neintrepetuje a nijak neošetřuje (maximálně jej zapouzdří escapováním nebo kódováním).

Takže třeba pomocí \pdfobj můžete do PDF vložit objekt, jehož vnitřní strukturu lze vygenerovat latexový makrem a pdftex vůbec nepřijde na to, že je to nesmysl.

PDF prohlížeč pak vezme takový objekt, a jeho obsah se pokusí interpretovat. A protože PDF objekty mohou být rekurzivní, tak není problém vyrobit dokument, kterému prohlížeč nebude rozumět (takto se třeba vkládají PDF obrázky). Rozumný prohlížeč by si měl postěžovat, že neví, co s tím, ale taky by mohl pokračovat dál.

V příloze je narychlo vykuchaný jeden příklad z webu, jak vkládat javascriptový kód.

[Michal Kubeček]

Jenže tato makra umožňují vkládat do výstupního souboru doslovný kód, který (pdf(e))tex nijak neintrepetuje a nijak neošetřuje (maximálně jej zapouzdří escapováním nebo kódováním).

O to se ale nepřu. Jen se vám snažím vysvětlit, že úplně stejnou věc můžete udělat i bez toho (CS)LaTeXu.

[Petr "Glubo" Sýkora]

Problém je v tom, že při použití pdfplainu stejnou věc udělat nemusím, kdežto pdflatex ji udělá za mne. Tvoje argumentace mi připomíná styl argumentace "je to chyba linuxu, dovolil mi použít rm -rf / jako rootovi".

[Michal Kubeček]

Je potřeba si uvědomit, co to vlastně je ten "pdflatex". Je to pdfTeX používající LaTeX coby formátový soubor. LaTeX samotný ale AFAIK žádná specifická PDF primitiva nepoužívá, to dělá nanejvýš nějaký podstyl (class nebo jak tomu říkají) načtený tím dokumentem. Takže LaTeX bych z toho neobviňoval, nanejvýš konkrétní styl/class, který dost možná nemusí ani pocházet od autorů LaTeXu.

[dustin]

Pdflatex jsem již delší dobu nepoužíval, ale rozdíl byl hlavně v tom, že v PDF vyrobeném konverzí z PS nebyly funkční prokliky na obsahu, na URL atd. Důvody chápu, ale zrovna např. klikací obsah je velice praktická věc.

[Shadow]

To je opravdu divné. Já tedy LaTeX (a pdfcslatex) používám hodně dlouho, i pro rozsáhlejší projekty než je odkazovaná práce, a nikdy jsem na žádný problém nenarazil. Acrobat Reader přečte moje práce v pohodě. Tedy zatím.

[Filip Jirsák]

Trochu bych přeformuloval nadpis – není PDF všechno, co má příponu PDF. Jednak existují jednak různé verze standardu PDF (ale předpokládám, že v tiskárně budou mít nejnovější Adobe Reader), jednak vám váš program nemusí vygenerovat platné PDF. A i když máte správné PDF, můžete v něm mít vložené všechny fonty, ale také některé nebo žádné – a když pak takové PDF zobrazíte na počítači, kde takové fonty nejsou, zobrazí se to PDF jinak.

[JiK]

Muzes, prosim, pro nas pomalejsi, nejak objasnit, co byl problem a jak vznikl? Jak jsi ho odstranil vime, diky. Dokument prece nebyl nikterak nestandardni, vlastne jen text, zadne vzorce ani nejake hogo-fogo.

[belisarivs]

No, problem byl ten, ze pdfcslatex generoval chybne pdf. Acrobat Reader toto nezkousnul. Ostatni prohlizece ano. A jelikoz tiskarny pouzivaji obvykle Windows s Acrobatem, tak mi to nemohli vytisknout.

[Michal Kubeček]

Tak ještě jednou: to PDF generuje pdfTeX. Cokoli, co vyrobíte příkazem pdfcslatex, vyrobíte i obyčejným pdfTeXem. Ten CSLaTeX je jen styl... A pokud máte zdroják, ze kterého pdfTeX generuje prokazatelně nekorektní PDF, stálo by za to to autorům pdfTeXu nahlásit.

[belisarivs]

Ja vim, ze pdfcslatex a spousta dalsich jsou jenom symlinky na pdftex. Proste jsem mu popisoval co se stalo anuz bych zabredaval do detailu.

[Petr "Glubo" Sýkora]

Tak ještě jednou. Tento styl obsahuje spousty direktiv, které přímo vypisují části pdf přez nízkoúrovňové primitiva pdftexu. Tedy je klidně možné, že chyba je opravdu na straně latexu a ne pdftexu. Prostě když pdftexu latex řekne, aby vytvořil pokurvené pdf, tak ho vytvoří, což je dobře, o co mu řekne, to udělá.

[Michal Kubeček]

Jenže on mu to neřekne LaTeX.

[tap]

Nie je problem nahodou ze si do dokumentu vladal nejaky obrazok?

[belisarivs]

Ne. Obrazek tam neni zadny.

[PetrProchy]

Když už se tu mluví o špatně generovaných PDF.
Nezná někdo nějakej nástroj, který by dokázal analyzovat tyto chyby? Hláška z Adobe Readeru, že "nelze zobrazit, kontaktujte tvůrce" mě nějak neuspokojila
Měl jsem problém při generování pdf z docbooku, že nějak záhadně vkládal svg obrázky. V Kpdf, Foxit Reader to zobrazili v pohodě, jenom Adobe Reader ne.:-/
Může být klidně konzolový, linux/windows to je mi vcelku jedno. Hlavně, když bude fungovat.

Díky za odpověd.

[belisarivs]

Proste otevri pdf v Evince z terminalu. Kdyz se neobjevi chybova hlaska, je to OK. Pokud ano, budes vedet.

[petr_p]

A já myslel, že se takto dělají jen webové stránky. Ó, jak jsem byl naivní.

[belisarivs]

A co jako? Proste si pral nejaky analyzator chyb pdf. Tak si to otevre, koukne do terminalu a vi.

[alfonz]

Příloha:

• evince-print.pdf (114585 bytů)

Jen tak ze srandy jsem to dal přetisknout pdf tiskárnou v ubuntu (Ghostscript SVN PRE-RELEASE 8.61) a už tam ty chybky nejsou, doporučuji zkusit (ovšem nevím co se s dokumentem stalo, možná nic), zkuste to pak v AdobeReadru otevřít ...

[editor]

Spousta lidí v této diskuzi tvrdí, že s PDF vygenerovanými LaTeXem neměla nikdy problém. Ovšem otázka je co si pod tím pojmem máme představit. Pokud jde o prosté zobrazení nebo dokonce i o tisk v nějakém PDF vieweru, tak mají v podstatě pravdu.

Nicméně je tu i druhá strana mince. LaTeX, či přesněji jím generovaná PDF, jsou jedním z důvodů, proč prakticky všechny redakce odmítají příspěvky ve formátu PDF, i když by byl z řady důvodů asi nejlepší (je vidět, jak to autor zamýšlel, nerozjíždějí se stránky, není problém s obrázky atd.), protože v redakcích bývá zvykem pracovat s textem dále a export textu z PDF vytvořeného v LaTeXu je většinou na úrovni nepoužitelné katastrofy (slitá slova, tvrdá zalomení na konci řádků atd.).

Ono nestačí ten text do PDF nějak "narvat pod tlakem", mělo by s tím jít pracovat i potom... a to je bohužel fáze, kterou LaTeXová PDF těžce nezvládají.

Je zajímavé, že například PDFka generovaná OOo jsou z tohoto hlediska téměř bezproblémová či přesněji, není s nimi problémů více, než s těmi, která jsou vytvořená přímo v Acrobatu.

[belisarivs]

Ale to prece neni ucel PDF. PDF je o tom, ze (pokud je tedy korektne vytvorene) vypada vsude stejne a nemusim nic vic resit.

K prenosu dat ktera maji byt dale upravovana slouzi jine formaty.

[Filip Jirsák]

PDF je o tom, ze vypada vsude stejne a nemusim nic vic resit.

Není. PDF je určené pro přenos (needitovatelných) dokumentů. Tj. měl by se v maximální možné míře zachovat vzhled, u vlastního obsahu už je to různé – můžete obsah vložit jako jeden velký obrázek, můžete tam vložit znaky, u kterých ale nebude kódovací tabulka, a můžete tam taky vložit text tak, že půjde zase vyextrahovat. Některá rozšíření PDF (resp. ony jsou to ve skutečnosti jen další požadavky přidané k standardnímu PDF) umožňují vytvářet i takové PDF dokumenty, které bude možné například přečíst hlasovou čtečkou, nebo které bude možné zobrazit na malých displejích (mobil, PDA apod.) – tj. obsah dokumentu se přeskládá, aby se vešel na úzký displej. V těchto případech už musí být v PDF uvedena správně i struktura dokumentu a musí z něj být možný získat text (tam, kde to dává smysl).

[Filip Jirsák]

Je zajímavé, že například PDFka generovaná OOo jsou z tohoto hlediska téměř bezproblémová či přesněji, není s nimi problémů více, než s těmi, která jsou vytvořená přímo v Acrobatu.

To je tím, že OOo edituje nějaký dokument, který je svou strukturou poměrně blízký výslednému PDF. Kdežto TeX je postaven na tom, že má nějaký vnitřní formát, a ven z něj leze už jenmo grafická reprezentace. Z toho samozřejmě jde vyrobit PDF, ale jen „obrázkové“. Pokud chcete vyrobit plnohodnotné PDF s vloženým textem, potřebujete informace o struktuře dokumentu (ne jen „jak to vypadá“, ale i „co to je“), a k tomuhle TeX nebyl určen.

[editor]

Určitě máte pravdu, já do těchto věcí zase tolik vidím. Já jen přijímám příspěvky pro další zpracování a když to prostě nejde, tak to hodím autorovi "na hlavu" s tím, ať to pošle v něčem, z čeho ten text dostaneme nepoškozený.

Bohužel, jak už jsem napsal, přesně tohle je důvod, proč je PDF z řady důvodů nepřijatelný jako formát pro další zpracování textu... což je v řadě situací docela škoda (a abychom si nerozuměli špatně, tohle je nic proti LaTeXu, jako sázecí program je bezesporu super a problémy zdaleka nejsou jen s jeho PDFky).

[Filip Jirsák]

Bohužel, jak už jsem napsal, přesně tohle je důvod, proč je PDF z řady důvodů nepřijatelný jako formát pro další zpracování textu... což je v řadě situací docela škoda

To ale není problém formátu PDF. Úplně to samé můžete říct o Wordu – když vám tam někdo vloží článek jako obrázek naskenovaného papíru napsaného na psacím stroji, dopadnete úplně stejně. Takže PDF klidně jako formát pro další zpracování textu můžete používat, jenom nesmíte mít jako podmínku „libovolné PDF“, ale „PDF, ze kterého je možné získat původní text“. (Nevím o tom, že by pro tohle existovalo nějaké označení, všechny mně známé standardy postavené na PDF k tomu přidávají poustu dalších podmínek, pro vás zbytečných.) Je i celkem snadné, jak tohle ověřit – stačí, aby si autor označil část textu v PDF a zkusl jej okopírovat přes schránku. Pokud mu to půjde, měl by být dokument pro vaše účely použitelný.