Модель конвейера: вход → состояние → выход
← Карта · Оглавление
Кратко
PDF — это не просто «файл». В любой момент он находится в определённом состоянии: это скан или настоящий текст? Заблокирован ли он? Подписан? Большой ли? Есть ли в нём закладки? Какой стороной вверх лежат страницы? Каждому приложению Documentize нужен документ в определённом состоянии, и оно переводит его в другое. Стоит начать думать так, и порядок перестаёт быть списком правил, которые надо зубрить: вы просто спрашиваете себя, «в каком состоянии документ нужен этому приложению и в каком оставит его после себя?»
Подробности
Идея в трёх строках
документ в состоянии A ──► [ приложение: нужно A, меняет на B ] ──► документ в состоянии B
- Приложения никогда не меняют ваш оригинал. Каждый запуск создаёт новый файл, так что всегда можно вернуться на шаг назад.
- Опасен не запуск, который громко завершился ошибкой. Опасен запуск, который прошёл успешно и тихо изменил состояние (убил подпись, потерял текстовый слой, сделал так, что закладки указывают не на те страницы). Модель состояний нужна, чтобы вы такое замечали.
Измерения состояния
| Измерение | Значения | Как определить | Почему это важно |
|---|
| Здоровье | здоров / повреждён | Не открывается, открывается пустым или частично | Всё остальное предполагает здоровый файл. Сначала Recovery |
| Блокировка | открыт / защищён паролем | Появляется запрос пароля | Большинство приложений не могут прочитать заблокированный файл. Сначала Разблокировка PDF (в вебе — для PDF) |
| Тип содержимого | скан (только изображение) / есть текстовый слой / цифровой текст (создан сразу как текст) | Попробуйте выделить слово в программе просмотра | Search, Extract Text, TOC AI и все приложения AI: понимание читают текст, а не картинки |
| Ориентация | прямо / на боку или вверх ногами | Посмотрите на страницу | Неправильная ориентация вредит распознаванию (OCR) «больше всего остального» |
| Наклон | ровно / слегка наклонено | Посмотрите на страницу | Наклон вредит распознаванию и выглядит неряшливо; Deskew его исправляет |
| Размер страницы | единый / разный; A4, Letter, нестандартный | Посмотрите сведения о странице | Важно для печати, брошюр и аккуратных комплектов |
| Формы | интерактивные поля / «запечённые» | Щёлкните по полю | «Запечённые» формы не прочитает Извлечение данных формы |
| Закладки / оглавление | нет / структура закладок / страница оглавления | Откройте панель закладок | Многие приложения их не трогают; некоторые ломают их смысл (номера страниц сдвигаются) |
| Размер | маленький / большой | Размер файла | Сжимайте после всех правок, а не до них |
| Подпись | не подписан / подписан (цел) / подписан (нарушен) | Проверка подписи | Любая перезапись после подписания её ломает |
| Стандарт | обычный / соответствует PDF/A | PDF/A Validator | Любой шаг, перезаписывающий файл, может изменить результат |
Три состояния, которые создают больше всего проблем
- Скан или текст. Скан — это стопка картинок. Пока у него нет текстового слоя, Поиск в формате PDF (кроме пути со сканами), Извлечь текст, TOC AI, Ask PDF, Checklist, Cheat Sheet, PDF Knowledge Base и текстовый файл Парсер PDF ничего в нём не видят. Searchable — это мост.
- Подписан или отредактирован. Подпись удостоверяет «не менялся с момента подписания». Измените что угодно — и удостоверение пропало. Поэтому подписывают в последнюю очередь.
- Заблокирован или нет. Пароль останавливает большинство приложений. Разблокировка PDF — первый шаг почти любой цепочки, которая начинается с защищённого файла; Протектор PDF — почти последний шаг цепочек, которые заканчиваются отправкой файла другим.
Таблица переходов между состояниями
Как читать: Нужно — состояние, в котором должен быть входной файл. Что меняет / что оставляет — как выглядит результат по сравнению с входом. «Без изменений» означает, что так сказано в главе или приложение только читает. Записи с пометкой ожидается, не проверено выведены из принципа работы приложения, но не задокументированы.
Organize
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Объединение файлов | Незаблокированные входные файлы (зашифрованные отклоняются); прямые страницы, если это сканы | Новый единый PDF; содержимое страниц переносится как есть (PDF + PDF). Файлы Office сначала конвертируются, поэтому разбивка на страницы может отличаться. Необязательное OCR добавляет сканам текстовый слой. Любая подпись на входном файле, ожидается, не проверено, теряется |
| Разделение PDF | Незаблокирован; известны номера страниц | Много PDF, страницы без потерь. Закладки и ссылки, указывающие за пределы части, за ней последовать не могут. Суммарный размер может превысить размер оригинала |
| Удалить страницы | Незаблокирован; известны номера страниц | Меньше страниц, без потерь, обычно файл меньше. Существующая страница оглавления и номера страниц в закладках после этого могут быть неверными |
| Ротация PDF | Документ, где часть страниц лежит на боку | Ориентация исправлена, без потерь для 90/180/270. Auto Skew пересэмплирует изображение (сохранится ли текстовый слой: ожидается, не проверено) |
| Изменить размер PDF | Смешанный или неправильный размер бумаги | Размер страниц унифицирован. Стандартный режим сохраняет текст текстом. Режим плитки превращает страницы в изображения: файл может вырасти, текст доступен для поиска, только если включено OCR |
| Создатель буклетов | Окончательное содержимое в размере полулиста | Страницы переупорядочены для печати; текст остаётся текстом. Результат — макет для печати, а не экземпляр для чтения |
Add & Structure
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Добавить содержание в PDF | Окончательный порядок страниц; PDF | Добавляет страницу оглавления и закладки. Страницы не перерисовываются. К каким страницам относятся номера в записях — до вставки или после, проверьте в работающем приложении |
| TOC AI | Текстовый слой; без блокировки; окончательный порядок страниц | Добавляет вложенную структуру только закладок; ничего видимого не меняется. От запуска к запуску немного различается |
| Добавить таблицу в PDF | PDF и файл .xlsx; окончательный порядок страниц (место вставки задаётся номером страницы) | Вставляются новые страницы с таблицей; последующие страницы сдвигаются на их число |
| Уплощение PDF | Без блокировки; заполненная форма | Поля формы становятся неизменяемым содержимым страницы (необратимо для этой копии). Ответы больше нельзя прочитать как данные формы |
| Collage | Фотографии (не PDF) | Новый PDF на основе изображений; без текстового слоя |
| AI Illustrator | TXT или PDF с настоящим текстом | Исходные страницы с текстом плюс обложка, рамки, до 5 иллюстраций. Результат — только PDF |
Protect & Prove
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Протектор PDF | Окончательное содержимое, без блокировки и без подписи | Блокировка = пароль на открытие. Содержимое страниц без потерь. Результат потом нельзя редактировать. Уже зашифрованный файл в быстром режиме повторно не шифруется |
| Разблокировка PDF | Пароль | Блокировка снята, содержимое идентично. Если файл был подписан, снятие защиты может сделать подпись недействительной |
| Цифровая подпись PDF | Окончательное содержимое; .pfx и его пароль; обычно без пароля на открытие | Подписан. Любое последующее изменение её ломает. Положение подписи выбрать нельзя |
| Проверка подписи | Файл точно в том виде, в каком получен | Только чтение. Файл не создаётся; вердикт на экране |
| PDF/A Validator | Окончательный файл (зашифрованные не проходят) | Только чтение. Отчёт в JSON; PDF никогда не меняется |
Shrink & Repair
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Сжатие PDF | Все правки закончены; без блокировки; здоров | Меньше (изображения с потерями, текст остаётся текстом). Не запускайте дважды. Ломает уже стоявшую подпись |
| Optimize | Обычный открывающийся PDF | Тот же вид, аккуратнее структура; без потерь по заявлению сайта; экономия бывает разной |
| Deskew | Прямые отсканированные страницы | Наклон исправлен, но страницы пересобираются как изображения. Вероятно, теряет текстовый слой; после него запустите Searchable (проверьте в работающем приложении) |
| Recovery | Один повреждённый PDF без блокировки | Здоровье восстановлено; политика по умолчанию «Full» также убирает метаданные, вложения, историю и скрытое содержимое. Восстановленные страницы могут отличаться |
| Unwatermark | Текст или PDF с настоящим текстом | Убирает только невидимые метки ИИ-текста. PDF возвращается как заново набранный простой текст: макет, изображения и ссылки пропадают; исходные метаданные отбрасываются |
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| OCR Image | Прямые изображения JPG/PNG | Новые файлы .txt; изображения не затрагиваются |
| Searchable | Скан-PDF, прямой, без блокировки | Добавляет невидимый текстовый слой; выглядит так же; файл может вырасти. Запасной вариант: очищенные страницы без слоя, если шаг не удался |
| Извлечь текст | Существующий текстовый слой | На выходе .txt; PDF без изменений |
| Извлечение изображений | PDF без блокировки | На выходе файлы PNG; PDF без изменений |
| Извлечение метаданных | Любой PDF (заблокированный может не пройти) | На выходе CSV; только чтение |
| Извлечение данных формы | Интерактивная заполненная форма (не «запечённая» и не отсканированная) | На выходе CSV; только чтение |
| Парсер PDF | PDF без блокировки; текстовый слой для текстового файла | На выходе ZIP с текстом, изображениями, вложениями, примечаниями, закладками, данными формы; только чтение |
| Поиск в формате PDF | Текстовый слой или флажок «scanned» | Размеченная копия (подсветка, рамки, дерево закладок «Search results»). Возвращаются только PDF с совпадениями. Как новое дерево закладок уживается с уже существующей структурой, не задокументировано |
| Global Search | Ничего | Не инструмент для документов: ищет страницы сайта |
| Resume Analyzer | Резюме (PDF или DOC) | PDF-отчёт; само резюме не затрагивается |
Convert & Create
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Converter | Входной файл без блокировки, содержимое которого соответствует выбранному типу | Новый файл в целевом формате. В PDF: будет ли текстовый слой, зависит от источника (ожидается, не проверено). PDF в изображения: только пиксели, без текстового слоя |
| Chat | Необязательный PDF с настоящим текстом | Новый PDF в стиле простого текста (страница оглавления для многостраничных документов); режим правки даёт _edited.pdf |
| SVG Maker | Идея или образец-изображение | SVG и PDF, в котором он лежит как картинка |
ИИ: понимание документов
| Приложение | Нужно | Что меняет / что оставляет |
|---|
| Ask PDF | PDF с текстом | В вашем PDF ничего; ответы и текстовый файл на экране. Сеанс хранится около суток |
| Abstracts | PDF (сканы читаются медленно, но текст в ваш PDF не сохраняется) | Исходные страницы без изменений плюс одна добавленная страница Abstract |
| Cheat Sheet | PDF с текстом или тема | Новый PDF-лист; ваш PDF не затрагивается |
| Checklist | PDF с текстом и конкретная тема | Новый PDF с чек-листом и краткое резюме; ваш PDF не затрагивается |
| PDF Knowledge Base | PDF с текстом | Вики (ZIP с Markdown); PDF не затрагиваются. Хранится около суток |
ИИ для разработчиков
Эти приложения не обрабатывают документы, поэтому состояние документа они вообще не меняют. Они принимают репозиторий, пакет, сборку или URL, а возвращают отчёты, файлы или pull request. См. AI для разработчиков.
Читаем таблицу: короткий разбор примера
Цель: из кривого скана с телефона, лежащего на боку, получить небольшой PDF с поиском.
| Шаг | Приложение | Состояние до → после |
|---|
| 1 | Ротация PDF | на боку → прямо |
| 2 | Deskew | наклонено → ровно (текстовый слой, вероятно, пропал; но это и так скан) |
| 3 | Searchable | только изображение → изображение плюс невидимый текстовый слой (файл растёт) |
| 4 | Сжатие PDF | большой → маленький (текстовый слой остаётся, так как текст сжимается без потерь) |
Поменяйте шаги 2 и 3 местами — и текстовый слой, который Deskew, скорее всего, отбросит, унесёт с собой всю вашу работу по распознаванию. В этом и вся суть модели: состояние подсказывает порядок. Полная лабораторная для этой цепочки — Скан с телефона до 5 МБ.
См. также