Раздел каталога
Документы: форматы и направления конвертации
Три модели описания страницы: фиксированная вёрстка, потоковая разметка, простой текст.
Состав класса
Основные форматы
Офисные документы
Презентации
Простой текст
Как устроены эти форматы
Класс распадается на три группы по способу описания страницы. Фиксированная вёрстка (PDF) хранит координаты каждого объекта и вшитые подмножества шрифтов — вывод не зависит от машины. Потоковая разметка (DOCX, ODT, RTF) хранит структуру: стили, абзацы, таблицы, — а разбиение на страницы вычисляет редактор при открытии. Простой текст (TXT, MD, HTML) метрик не содержит вовсе.
Направление между группами определяет достижимую точность. Разметка → фиксированная вёрстка выполняется отрисовкой и воспроизводима. Обратное преобразование — реконструкция: набор координат разбирается на абзацы и таблицы эвристически, многоколоночный набор и колонтитулы восстанавливаются приблизительно. Файл PDF без текстового слоя содержит только изображения страниц; такой случай требует распознавания и в конвейере не обрабатывается.
Фиксированная вёрстка
PDF: положение объектов задано координатами, шрифты вшиты подмножествами, размер листа и цветовая модель определены явно. Версии 1.4–1.7 и профили PDF/A читаются одинаково; правка содержимого конструкцией формата не предусмотрена.
Потоковая разметка
DOCX и ODT упакованы как ZIP-архив: стили, нумерация, таблицы и связи лежат отдельными частями XML. RTF описывает ту же структуру управляющими последовательностями в одном текстовом файле и разбирается без внешних библиотек.
Востребованные преобразования
Направления для документов, упорядоченные по частоте обращений к странице.
| Направление | Что получится | Точность |
|---|---|---|
| .pdf.docx | Конвертация PDF в Word | приблизительная |
| .docx.pdf | Конвертация Word в PDF | точная |
| .pdf.jpg | Конвертация PDF в JPG | близкая |
| .pdf.png | Конвертация PDF в PNG | близкая |
| .pdf.xlsx | Конвертация PDF в Excel | приблизительная |
| .pptx.pdf | Конвертация PowerPoint в PDF | близкая |
| .doc.docx | Конвертация DOC в DOCX | близкая |
| .doc.pdf | Конвертация DOC в PDF | близкая |
| .pdf.epub | Конвертация PDF в EPUB | приблизительная |
| .pdf.pptx | Конвертация PDF в PPTX | приблизительная |
| .html.pdf | Конвертация HTML в PDF | приблизительная |
| .pdf.txt | Конвертация PDF в TXT | близкая |
| .txt.pdf | Конвертация TXT в PDF | точная |
| .ppt.pdf | Конвертация PPT в PDF | близкая |
| .docx.txt | Конвертация DOCX в TXT | приблизительная |
| .odt.pdf | Конвертация ODT в PDF | точная |
| .odt.docx | Конвертация ODT в DOCX | близкая |
| .pdf.svg | Конвертация PDF в SVG | близкая |
| .md.pdf | Конвертация MD в PDF | близкая |
| .txt.docx | Конвертация TXT в DOCX | точная |
| .html.docx | Конвертация HTML в DOCX | близкая |
| .docx.html | Конвертация DOCX в HTML | близкая |
| .md.html | Конвертация MD в HTML | точная |
| .md.docx | Конвертация MD в DOCX | близкая |
Вопросы по работе сервиса: документов
Как понять, будет ли файл перекодирован или просто перепакован?
По времени работы и по паре форматов. Смена контейнера при совместимых потоках (MKV → MP4 с H.264 внутри, WAV → FLAC, ZIP → 7Z) обрабатывается со скоростью чтения диска — секунды даже на гигабайтных файлах. Перекодирование ограничено производительностью кодировщика: минута исходного видео в 1080p занимает от нескольких секунд до минуты машинного времени в зависимости от CRF и пресета.
Почему после конвертации файл стал больше исходного?
Так ведёт себя переход из формата с потерями в формат без потерь. JPEG на 900 КБ после распаковки — это 24 бита на пиксель сырых данных; PNG сохранит их полностью и займёт 5–8 МБ. Новой информации в файле при этом не появляется: артефакты предыдущего сжатия записываются с той же точностью, что и полезное изображение.
Какое значение качества выбрать, чтобы не увидеть разницу?
Для JPEG рабочий диапазон — 82–92: ниже 75 на однотонных участках проступает блочность 8×8 пикселей, выше 95 файл растёт быстрее, чем улучшается изображение. Для H.264 то же место занимает CRF 18–23, где 18 практически неотличим от источника. Для MP3 порог прозрачности для большинства слушателей лежит в районе 192 кбит/с при кодировании VBR.
Сохранятся ли цветовой профиль и глубина цвета?
Профиль ICC переносится, если целевой формат его поддерживает: JPEG, PNG, TIFF и WebP умеют, BMP — нет. Глубина ограничивается возможностями формата: 10-битный HEIC при переводе в JPEG сводится к 8 битам на канал, и на плавных градиентах может проступить полосатость. Файлы в CMYK пересчитываются в sRGB и на экране выглядят иначе, чем на бумаге.
Что происходит с несколькими файлами в одном задании?
Направления, помеченные пакетной обработкой, принимают набор файлов и применяют к ним одинаковые параметры. Файлы обрабатываются последовательно, а результат доступен и по одному, и общим ZIP-архивом. Видео и другие тяжёлые преобразования пакетную обработку не поддерживают: одно задание заняло бы очередь на десятки минут.
Почему направление может быть недоступно?
Две причины. Первая — движок не установлен или временно не отвечает: страница направления остаётся, но кнопка запуска выключена. Вторая — преобразование не имеет корректной реализации: обратное восстановление RAW из JPEG, снятие DRM с книги, распознавание текста на сканах. Такие направления не включаются в реестр, чтобы не выдавать за конвертацию переупаковку без результата.