PDF檔案格式中文嵌入現況與問題探討
作者 clhhome
發帖于: 2004-05-05 23:53
摘要
在目前的狀況來說，英文PDF檔案格式在網路上、與文件交換的應用上已經可以說非常成熟了，但是中文方面的應用還比其他亞洲國家存在著更多的問題，以致於其應用的范圍無法普及。本文的主旨在於探討PDF檔案格式的組成、制作以及制作後的檔案特性，是以一種測試及探討的方式來制作的。
壹、前言
由Adobe公司所開發的PDF檔案格式，打著"跨文字、跨語言、跨平臺、跨媒體、跨軟體、跨世紀的電子文件交換格式"，以及"這就是未來"的口號出現在我們眼前，這樣的一種文件，它到底有何特別之處，有什麼能耐呢？
貳、何謂PDF檔案
所謂「PDF可攜式文件格式」是一種開放式電子文件格式（符合美國Adobe公司Acrobat 之PDF標準），不論使用何種電腦平臺或應用軟體編輯的文件，幾乎都可轉換成「PDF」格式互通使用。除了在螢幕上瀏覽與印刷效果（文字、圖型、影像）完全相同的式樣外，更提供多種注記工具讓使用者更有效率地閱讀文件。
通常我們會把Acrobat及PDF看作是同一件事，PDF是「Portable Document Format」的縮寫，它主要目的就是要在各種不同的電腦平臺上創造出一個共通的文件格式。換句話說，就是希望不管在那一種電腦上制作的文件，只要能轉成PDF格式，拿到另一種電腦上就能毫無困難地打開閱讀，更能維持制作當時的格式與版面，看起來跟原來的格式一模一樣。
這個問題是在不同電腦平臺之間長期以來所存在的，常常在PC上制作的文件拿到MAC上，如果沒有對等的軟體或版本，即使有同樣的軟體，版本不同或中、英文版不同可能都沒辦法互相打開對方的檔案，因而造成相當大的不便。如PDF格式的出現，就能使一個文件在不同平臺上暢行無阻，而且看到的樣子都一樣，在也不用再花力氣把檔案格式轉來轉去。
叁、PDF檔案格式介紹
Portable Document Format可攜帶文件格式是將難以處理的PostScript碼精化成一個頁面與物件的資料庫。它包含字型、影像及經壓縮的向量物件，它是高度精簡的文件格式。正如其名-可攜帶文件格式-它為統一可預測的高品質輸出及可轉用於多媒體用途作最佳化處理。PDF具有設備及媒介獨立的特性，它支援CMYK、特殊色及合并的色域定義。PDF是一個支援補漏白、拼大版及可轉換之頁面取向的檔案，一般人可以利用免費的Acrobat Reader軟體在麥金塔電腦、視窗環境、Unix及網際網路瀏覽器瀏覽。
制作PDF的程序有許多種，可以制作出許多不同性質及不同用途的PDF檔。例如其中一種方法叫做"蒸餾"，利用Adobe Acrobat Distiller軟體，可以將PostScript檔案轉換成PDF檔案；另外也可以利用一種可選擇周邊設備的工具叫Adobe PDF Writer，利用它可自動將文件儲在成PostScript檔案，再自動轉換成PDF檔案，或者利用程序巨集或其他自動功能也可以將單獨或多個PostScript檔案轉換成PDF檔案。
在以往的印前工作流程里客戶若需作最後一刻修改，則需回原編輯應用程式修改，再重新列印一次，而在PDF工作流程中，只需使用Acrobat 直接修改PDF檔，無需再重回原編輯應用程式修改列印。
一、PDF檔案組成
1.第一層包含文件的文字與圖像。
2.第二層包含增效部份，例如書簽，超文字連結、導覽等。
3.第叁層包含檔案的基本資訊，例如字形資訊和交換參考表。
二、PDF檔案格式的特點
PDF為PostScript純化過後的檔案，它已經去除了PostScript在解譯時所可能發生的不確定性，所以成功的轉換成PDF檔後，也就確保在後續的工作流程中能順利的進行。您可以將任何應用軟體產生的頁面轉換成PDF檔案，完整的將原文件之文字、圖形、影像、聲音及鏈結嵌入PDF檔案之中，讓你可以在最後一刻做編輯修改而無須重回應用程式修改列印。
在轉換時可以選擇將文字包入PDF文件之中，即使一個中文PDF檔案亦可在無安裝中文字型的純英文系統中正確的開啟列印，真正的達到檔案交換網路無國界。PDF亦可轉換成內含字型的EPS檔案，而轉換成的EPS檔案可以再組版或其他軟體匯入再使用。
（一）高壓縮
PDF檔案使用多種方法來達到縮減原PostScript文件的目的，在圖片壓縮的部分亦可支援述種格式壓縮，一般檔案通常可以壓縮至原來的數十到數百分之一。尤其當使用者要在網路上發行電子文件時，為了速度的考慮，高壓縮比就顯得特別重要。
1.JPEG： Joint Photographic Expert Group專業攝影聯合組織，所推廣的是一種減損性的靜態影像壓縮演算，為一種破壞性的壓縮方法來壓縮影像品質，其應用范圍對於彩色的連續調圖片較為適合。
2.Zip 是用Jean-loup Gailly Mark Adler的Zlib套裝軟體的延伸開發而成，壓縮方式是適臺有花紋、底紋或大片重復影像圖檔。Acrobat 1.0分別提供了4bit及8bit的不同壓縮比的演算，具取樣方法是以重復的資料為主。
3.CCITT Group1.CCITT Group4 是國際電話電信組織（International Coordinating Committee for Telephony & Telegraphy）所訂定的壓縮標準，用來壓縮黑白影像繪圖軟體所繪制的圖檔，或單色掃描圖檔以及線條稿。Acrobat 1.0提供這兩種壓縮方式適合單色調線條稿，如傳真品質的檔案。
4.Run length 是針對單色線條稿的壓縮，尤具有大區域的單色色塊圖檔。
5.Compress text & Line Art 文字及線條都可以加以壓縮。 <注一>
（二）設備獨立
一般 PostScript檔案中包含了多種可能的合法程式碼，在某些條件下 可能無法運行。例如那些依賴某些特殊字體結構、或輸出設備的程式碼。相反的，PDF格式不含任何程式結構，因而使得它更加安全，也更適合 以電子資料形式儲存或傳輸。PDF是為整合多種輸出選項的網路所設計的，它是標準化及設備獨立最佳化輸出格式。 對中文PDF文檔之要求，不采用中文系統時，仍可獨立顯示中文；采用中文系統時，則可搜尋中文詞匯。
（三）各頁獨立
PostScript文件的各頁間是相互關聯的。這意味著你在跳到某頁之前必 須把它前面所有的頁都處理過。而PDF格式并沒有這個限制。你可以直接 閱讀PDF檔案的任何一頁，無須考慮其他頁。
（四）注記
PDF檔案可以包含各種各樣的注記--例如書簽，縮影，鏈接，備注，文串，標識和媒體盒。你可以用這些“注記”以提高檔案的質量及可讀性。這些“注記”更可以有效的協助檔案管理工作--例如制作、發送、 簽注、修正、完稿、以及出版發行。
（五）檔案保護
PDF檔案可容許設定密碼和其他多種保護方式，以防止非法使用。例如 必須使用密碼才允許閱讀、允許或不允許列印、復制、簽注、或修改。
肆、中文PDF檔案制作流程
一、網頁格式轉存PDF檔案格式：
PDF檔案在英文字型的產生方面，已可輕而易舉的制作，但在中文部分入前尚無法輕易地將網頁直接轉為PDF檔，而必須間接的*一些轉換才能將網頁轉為PDF檔。在目前的情況來說呢，在Acrobat1.0中以開啟網頁的功能只能用在英文網頁上，只需使用Web Capture輸入URL即可將英文網頁轉成PDF檔，且可保留其超連結部分的格式。但在中文網頁部分，中文字體則會變成亂碼，所以必須藉助Acrobat writer以及Distiller來列印PDF檔案，雖然無法保留其超連結的格式，但可設定列印超連結表。
二、排版軟體轉存PDF檔案格式：
目前常見的排版軟體對於PDF檔案格式直接的支援程度并不高，大部分的排版軟體無法直接轉存PDF檔，而必須*列印的方式來產生。對於支援直接轉存PDF檔案的軟體來說，Microsoft Office系列算是最完整的了，基本上只需要將Acrobat 1.0在Office之後安裝，即可在工具列產生一個Icon，使用者只需直接點選即可啟動一名為PDF Maker的程式，輕易的將文件轉為PDF檔。其他如Page Maker、Quark Xpress或Illustrator則必須加裝外掛程式才可以直接轉存PDF檔。基本上各種軟體所產生含中文字體的PDF檔案，大致上可分為以＂Acrobat Writer″、＂Acrobat Distiller″以及＂曲線″叁種產生方式，其中檔案容量最大的是轉為曲線的方式，其次為Distiller產生，最小的是以Acrobat Writer產生。當以相同的格式產生，使用的軟體不同時，其檔案大小會因為內含資訊的不同而有些少許的出入，但其檔案的特性卻是相同的。
其大致上的制作流程如下： *********
三、PDF檔案格式在於輸出時的作業流程：
PDF檔案在專業輸出時需搭配PostScript 3之RIP方能發揮最大生產效能，因為PostScript 3直接支援PDF檔案格式，當檔案列印至PostScript 3 RIP時，RIP只需進行處理過網，所以處理速度相對提升，且列印品質較佳(如漸層)。而若您原有的RIP只支援PostScript Level 2，則在列印PDF檔案時會需要多一個轉換成PostScript Level 2的流程。
前端在Mac平臺上的排版軟體使用CID ATM字型顯示及編輯，產生PDF檔案；後端再使用Postscript字型或相容輸出機輸出。
伍、亞洲字型嵌入現況
一、字型編碼說明：
亞洲字型要嵌入PDF檔案，比英文字型的嵌入需要更多的軟體，以及更復雜的技術。在此之前我們必須說明亞洲字型以及英文型的差異點，以及其在不同平臺上的差異點。在亞太地區，雖然都有使用漢字，但每個國家或地區所使用的內碼都不相同，茲就各地區的編碼介紹如下
（一）臺灣地區
1.Big 5：俗稱大五碼
2.Big 5 plus：Big 5擴編碼
3.CNS11643：中文標準交換碼
（二）中國大陸
1.GB2312-80：通稱國標碼
2.GBK ：漢字內碼擴展規范
（三）日本
1.Shift JIS
2.EUC-JIS
（四）韓國
1.KSC 5601
（五）其他：
二、編碼原則：
1.文字之選擇及字體悉依"國字標準字體表"為基準
2.以2個位元組（byte）為中文碼編碼單位，并以16進位制之文數字表示之
3.符合CNS 5205及CNS7654之通信定則
4.依字之使用頻率而編排於各不同的字面
5.每字面按先筆劃後部首的排列順序來編訂字碼
三、CID 字型與TrueType字型，PostScript字型的關系：
CID是取自於Character ID的縮寫，此字元辨識碼的功用在於幫助檢索及取用字元，大量改進了其使用效能，此種方法最適合用於龐大的字體集如東方雙位元文字－中文、日文、韓文等。Acrobat并非一定需要使用CID字型，亦可以使用TrueType字型，但在使用TrueType字型時若在印表機驅動程式字型選項中若選擇將字型傳送為Type 1時，則嵌入於PDF中的中文字無法再做增字的動作，而選擇將字型傳送為Type 42時，則嵌入於PDF中的中文字可修改增減（修改時系統中需有相同的字型）。中文PostScript字型目前尚無法適用於PDF檔案格式。
內嵌字型的最大優點便在解決文件產生者與輸出者之間字型不同或對應錯誤的問題，現在PS流程是用字碼對應，且必須是同一家字型公司的同一系列版本才可對應，字型內嵌可將此問題一勞永逸的解決。
四、Acrobat Reader 能顯示包含 CJK 文字的 PDF 檔案的方式：
要顯示 CJK 文字，有兩種方式。一是在建立 PDF 檔案時，作者可以嵌入所有文件中使用到的字體，包含 CJK 字體，只要字體可以被嵌入就行。任何語言版本的 Acrobat Reader 都可以用嵌入的 CJK 字體來顯示 PDF 檔案。但是因為嵌入字體的 PDF 檔案可能會占太多空間，所以作者可能在建立檔案時選擇不嵌入文件中使用的所有字體，這是第二種方式；如果在這種情況下，Acrobat 或 Acrobat Reader 的使用者若要查看該 PDF 檔案，就必須使用正確的亞洲文字字體集。
五、目前亞洲字體集中所包含的字體：
目前有四個亞洲字體集 （繁體中文、簡體中文、日文與韓文）中，每個都包括有 serif 與 sans-serif 字體。 而 PDF 檔案中嵌入的亞洲字體的類型，在Windows 平臺上可嵌入 TrueType 字體，而在 Macintosh 與 Windows 平臺上可以嵌入 CID 格式的 Adobe PostScript 字體。較舊的 OCF 格式的 PostScript 字體不能嵌入，此外，文件中的字體必須容許嵌入。 <注叁>
嵌入字體使PDF檔案大小改變的因素取決於文件所包含的字體數量及字元多少。大體而言，一般文件中每嵌入一個 C、J 或 K 字體，PDF 檔案的大小就會增加 2 MB 到 3 MB 。
Macintosh 版 Acrobat 1.0 中的「MakeCID 」可將 TrueType 字體與較舊的 OCF 格式的 PostScript 字體轉換成「Width-Only」（僅具寬度資訊） 的 CID 字體。這些 CID 字體僅包含 TrueType 或 OCF 字體中使用的羅馬字元的寬度資訊，Distiller 在建立參考原始 TrueType 或 OCF 字體的 PDF 檔案時，需要用到這種字形。
如需更多資訊，請參閱「MakeCID」公用程式資料夾中的文件。如需在羅馬語言的作業系統中建立包含 CJK 文字的 PDF 檔案，僅具寬度資訊的 CID 字體就可派上用場。 對於在羅馬語言的系統上建立包含 CJK 文字的 PDF來說，Acrobat 中的 PDF Writer是不能在羅馬語言的作業系統上建立包含 CJK 文字的 PDF 檔案的。然而，如果 Distiller 可以使用它所要制作的 PostScript 檔案中所參考的字體，那麼 Distiller 就能建立含有 CJK 文字的 PDF 檔案。如果 PostScript 檔案含有嵌入的 TrueType 字體，您就可以在任何平臺上制作此 PostScript 檔。
此外，針對目前 Adobe Type Library 中的所有 CJK 字體，以及 Macintosh 或 Windows 系統中常見的 TrueType 字體，Distiller 都附有「Width-Only」的 CID 字體。有了這些字體資訊，Distiller 將可以在任何平臺上均可成功制作 PostScript 檔案。此外，如果制作的 PostScript 檔案中有其他的字體需要轉換，還可以用「MakeCID」公用程式建立僅具寬度資訊的 CID 字體。
陸、中文繁體字嵌入現況以及其所面臨的問題
目前來說，支援中文PDF檔案字型內嵌的字集在Mac上只有文鼎的CID ATM字型；在PC上有文鼎的CID PostScript字型，以目前面臨的問題來說，第一就是檔案大小，第二就是目前在網路上使用的USER并未普遍在個人PC上安裝相關的瀏覽軟體。特別是亞洲字型，除了瀏覽軟體外，還必須加裝亞洲文字字集方可開啟嵌入亞洲字型的PDF檔案。此外在印刷業上尚未能使用PDF檔輸出的做法。
柒、未來解決方案
PDF檔案是一種非常具有發展潛力的檔案格式，舉凡各種格式的圖文檔案，皆可轉成PDF檔，未來無論是Microsoft系列的軟體、Corel系列、Adobe系列，都將支援PDF檔案格式的產生、修改、編輯以及輸出。但就目前來說，除了Adobe Acrobat系列有完整的功能以外，其他軟體的功能都還尚未健全，而且其他相關應用軟體的種類太過繁雜，有待相關的軟體開發公司開發出更具整合性的應用軟體。 而檔案大小的問題，只有兩個方法，治標的方法為將PDF以更高的比例壓縮，以利傳輸；而治本的方法還是必須一方面開發更寬頻的網路；一方面使之更普及，以利大量的資料在網路上傳輸。
捌、結論
PDF檔案格式并非Acrobat特有的檔案格式，例如華康的DynaDoc檔案格式亦為可攜式文件的一種，其大致上的特性與Acrobat的PDF檔案格式相近，只是功能上有些許的出入。但基本上的目的、用途、產生方式以及瀏覽方式是非常相近的。
PDF檔案尚有相當大的研發以及應用空間，例如在電子報方面，就是一個非常好的PDF檔案應用實例，因為一般的電子報大多只有大量的文字，缺少圖片以及活潑的版面，使得閱讀者在瀏覽電子資訊時，會覺得面對滿版僵硬的文字，而降低閱讀的意愿；如果能將電子報編排成一般報紙的版面，以PDF檔的格式表現在讀者面前，如此有了活潑的版面以及圖片，一定會增加使用者閱讀的意愿；另外，PDF檔第二層的超連結功能亦可讓使用者從頭條標題上直接連結，將頁面導引到報紙的內文中，而省去了逐頁瀏覽的時間。當然了，這部分的構想還得等使用者習慣於以Acrobat Reader閱讀檔案，以及各種問題解決後，才能進入實驗及應用階段，這將是另一個網路出版的新出路。
玖、附注
【注一】Acrobat4.0電子文件新世紀P59~60
【注二】圖片取自文鼎公司網站
【注叁】針對目前可支援Distiller作嵌入的文鼎字型來說，只要為合法的原版字型，文鼎就允許使用者嵌入。
【注四】使用Distiller將字形嵌入之文字，因失去文字特性，故無法做搜尋及復制。
名詞解釋
（一）PostScript：
PostScript為美國Adobe(http：//www.adobe.com)公司於1985年所發表的文件描述技術, Adobe并利用這個技術, 創造著名合乎PostScript技術的字型, 并從而改變正個印刷工業.
PostScript可以精確的描述平面繪制任何文字及圖形. 現今PostScript的技術已經非常普遍的使用在印刷領域, 包括螢幕顯示(Display), 雷射印表機(Laser Printer), 輸出機(Imagesetter), 數位印刷機(Digital Printing)..等等輸出設備. 而與PostScript技術搭配最重要的是PostScript字型, 使用者可以透過PostScript技術調整抹些參數, 而改變字型的大小, 陰影/立體/空心/粗細等特殊效果. 由於PostScript在印刷方面卓越表現, 目前世界上主要的文獻幾乎多是以PostScript的形式出現. Adobe1997年4月發表了更進步的PostScript 3 強調增進品質及彩色能力及網際網路列印功能.
（二）TrueType：
TrueType字型格式為美國Apple及Microsoft所共同制定. 最先使用於Apple的Macintosh系列及Microsoft Windows 3.1, 而目前Apple的OS 8.0及Microsoft Windows 95/NT也都使用TrueType作為字型格式 基本上TrueType和PostScript一樣, 都是使用貝茲曲線(Bezier Curve)來描述的外框字. 字型可以作任意尺寸的放大縮小, 或作其他屬性的變化.不過由於Apple及Microsoft的作業系統都直接支援此字型格式. 所以并不需要如PostScript一樣, 外掛(Adobe)Type Manager之類的程式.
（叁）ATM：
ATM（Adobe Type Manager）的功用在於管理Type 1字型的使用，ATM會自動將Type 1外框字點陣化以用於螢幕顯示或印表機列印，若所欲列印的印表機為PostScript印表機，則ATM會將字型下載至印表機，由印表機做點陣化外框字。而欲列印的印表機為一般非PostScript印表機時，則ATM會自動將Type 1外框字型點陣化再傳送至印表機。
（四）CID：
CID是取自於Character ID的縮寫，此字元辨識碼的功用在於幫助檢索及取用字元，大量改進了其使用效能，此種方法最適合用於龐大的字體集如東方雙位元文字－中文、日文、韓文等。
（五）Unicode編碼：
（Unicode編碼）即為ISO 10646國際編碼標準，完全符合Microsoft Office 2000及Windows 2000之字型編碼規格，在單一作業系統下即可輸入多國文字，使跨國文件的制作變得很輕松
1.Unicode ：
Big 5：為目前在臺灣普遍所使用的業界標準，Big 5碼包括第一字面5401個漢字，第二字面7652個漢字及440個符號，目前支援Big 5的軟硬體包含Windows 95/NT，Apple OS，倚天中文系統，點陣印表機，噴墨印表機，雷射印表機，等等軟硬體設備都支持此內碼，但由於臺灣的特殊環境，所以并非只使用Big 5碼為唯一的內碼，其他尚包括如金資碼，財稅碼，電信碼，海關碼，IBM 5550碼，戶政碼，IBM主機碼，公會碼（TCA），王安碼，等等，都分別使用於各種應用領域。
2.Big 5 Plus：
雖然Big 5字集為臺灣最普遍使用的字集，但由於Big 5所定義的字集只有13053個漢字，并無法滿足，專業使用者的需要，尤其是政府部門，更無法滿足現階段文件交換的需要，所以在"財團法人中文電腦推廣基金會"的主持下完成對Big 5碼的擴編，詳細資料可參考"財團法人中文電腦推廣基金會"網站（http：//www/cmex，org，tw），包括緣由，碼本，…等等相關資訊。
3..CNS11643 中文標準交換碼：
CNS11643 中文標準交換碼，一般簡稱 CNS 碼或 CNS11643 ，因中央標準局公布及修訂之先後而有二個版本，一般稱為 CNS11643-1986 版（1986公告版）及 CNS11643-1992 版（1992年修訂版），此二個版本之差異僅在於其所編定之字數不同。75 年公告之 CNS11643定義 11.051個漢字，81 年修訂版擴編為48，027 個漢字。 75 年公告之 CNS11643 名稱為「通用漢字標準交換碼」，於 81 年擴充後修訂 CNS11643 名稱為「中文標準交換碼」。兩個電腦系統要交換資料時，以兩方皆認可之碼傳輸，此稱為交換碼，交換碼之設計須符合國際標準。因此一般在電腦內部處理時使用內碼，而在傳輸時，再轉換為標準交換碼。
4.GB2312-80：
GB2312-80為中國大陸最為普遍使用的內碼，不論在電腦作業系統如Apple Machitosh或Microsoft中文Windows簡體版，都是以GB2312-80為內碼，至於其他周邊裝置，如印表機，軟體，標簽印字機，及其他各種軟硬體也都是以GB2312-80為內碼，即使中文Windows 95雖以GBK為內碼，但仍與GB2312-80相容 GB2312-80共規范了6763個漢字及682個符號，內容主要也都是簡體化過的漢字，與Gb2312-80相對應的為GB12345-90，基本上GB12345-90仍保留原來繁體字的樣子，但碼序與GB2312-80相同，另外增加了100多個多對一的漢字
5.GBK：
漢字內碼擴展規范，簡稱GBK，Chinese Internal Code Specification GBK工作小組於1995年10月成立，并於1995年12月完成GBK規范，基本上采用了原來GB2312-80所有的漢字及碼位，并涵蓋了原Unicode中所有的漢字20901.總共收錄了883個符號，21003個漢字及提供了1894個造字碼位
由於GBK的編碼，在與GB2312-80的部分采用了GB-2312完全相同的碼序與字樣，所以市面上所有的合乎GB2312-80的文件，檔案及程式都可以在合乎GBK規范的系統上正常運行，目前Microsoft簡體版中文Windows 95就是以GBK為內碼，又由於GBK同時也涵蓋了Unicode所有CJK漢字，所以也可以和Unicode做一一對應， Unicode（http：//www，Unicode，com） ：（Universal Multiple Octet Coded Character Set） 國際標準組織於1984年4月成立IOS/IEC JTC1/SC2/WG2工作組，針對各國文字，符號進行統一性編碼，1991年美國跨國公司成立Unicode Consortium，并於1991年10月與WG2達成協議，采用同一編碼字集，目前Unicode是采用16 bit之編碼架構，其字集內容與ISO 10646之BMP（Basic Multilingual Plane）相同，Unicode （Unicode Consortium）并於1992年6月通過DIS（Draft International Standard），目前版本為Unicode v1.0於1996年公布，內容包含符號6811.漢字20901.韓文拼音11171.造字區6400，保留20249共65534個碼位。
參考資料
1.Publishing & Production
2.http://www.agfahome.com.tw/ （臺灣Agfa首頁）
3.http://www.adobe.com （Adobe公司首頁）
4.http://www.arphic.com.tw/ （文鼎公司首頁）
5.http://www.dynalab.com.tw/ （華康公司賞頁）
6.Acrobat 4.0電子文件新世紀