PDF stream encoding

PDFストリームエンコーディングとは、PDFドキュメント内のストリームオブジェクトに適用される圧縮およびフィルタリング手法を指し、ファイルサイズの削減とデータストレージの最適化を実現します。ストリームはバイト列であり、画像、フォント、ページ記述、メタデータなど、さまざまなタイプのコンテンツを表現できます ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) 。PDFの生成、操作、最適化を行う開発者にとって、ストリームエンコーディングの適切な理解は不可欠です。

PDFストリームエンコーディングとは、ストリームオブジェクト内の生データに対して1つ以上のフィルタを適用し、PDFファイルに保存される前にデータを圧縮または変換するプロセスです。PDFのストリームオブジェクトは、ストリームのプロパティ（適用されたフィルタを含む）を記述する辞書と、streamおよびendstreamキーワードで囲まれた実際のバイナリデータで構成されます ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) 。

PDFコンテンツエンコーディング（テキストの文字エンコーディングスキームを指す）とは異なり、ストリームエンコーディングは特にストリームオブジェクト内のバイナリデータの圧縮とフィルタリングを扱います。一般的なエンコーディングフィルタには、FlateDecode（zlib/deflateアルゴリズムに基づく）、DCTDecode（JPEG圧縮）、ASCIIHexDecode（16進数エンコーディング）などがあります。複数のフィルタを順次適用することも可能で、1つのフィルタの出力が次のフィルタの入力となるフィルタパイプラインを構成できます。

ストリームエンコーディングは暗号化とは異なり、セキュリティではなく圧縮とデータ表現に焦点を当てていますが、両方を同じストリームオブジェクトに適用することも可能です。

PDFドキュメントを扱う開発者にとって、ストリームエンコーディングの理解は以下のような実用的な理由から重要です。

ファイルサイズの最適化: エンコーディングフィルタの適切な選択と適用により、PDFファイルサイズを劇的に削減でき、ストレージ効率と転送速度を向上させることができます。異なるコンテンツタイプ（画像、テキスト、フォントなど）に対してどのフィルタが最適かを理解している開発者は、大幅に効率的なPDFを生成できます。

相互運用性と標準準拠: アクセシビリティのためのPDF/UAなどの標準 ( Citation: N.A., 2014 (N.A.). (2014). Document management applications — Electronic document file format enhancement for accessibility — Part 1: Use of ISO 32000-1 (PDF/UA-1) .  International Organization for Standardization Retrieved from https://www.iso.org/standard/64599.html ) に準拠する必要があるPDFを作成する場合、開発者はストリームエンコーディングがコンテンツ抽出や支援技術の処理を妨げないようにする必要があります。一部のエンコーディングフィルタは、適切に実装されない場合、コンテンツのアクセシビリティを低下させる可能性があります。

パフォーマンスの考慮事項: ストリームのデコードには計算リソースが必要です。PDFビューア、プロセッサ、コンバータを開発する開発者は、デコーダを効率的に実装し、特定のユースケースにおいて圧縮率とデコード速度の最適なバランスを提供するエンコーディング方法を理解する必要があります。

デバッグとトラブルシューティング: 問題のあるPDFを扱う場合やPDF生成ライブラリを実装する場合、開発者はストリームのコンテンツを検査する必要があることがよくあります。手動でストリームをデコードする方法を理解することは、コンテンツのレンダリング、テキスト抽出、ドキュメント構造に関する問題をデバッグする上で不可欠です。

ストリームエンコーディングは、PDF仕様で定義されているフィルタメカニズムを通じて動作します。プロセスは以下のように機能します。

フィルタの指定: ストリームの辞書には、適用されたエンコーディングフィルタを指定する/Filterエントリが含まれます。これは単一の名前（例：/Filter /FlateDecode）または複数のフィルタを示す名前の配列（例：/Filter [/ASCII85Decode /FlateDecode]）のいずれかです。

フィルタパラメータ: 一部のフィルタは、ストリーム辞書の/DecodeParmsエントリで指定されるオプションのパラメータを受け取ります。これらのパラメータは、圧縮を改善するための予測関数や特定の色変換オプションなど、エンコーディングの側面を制御します。

エンコーディングプロセス: PDFを作成する際、生データは指定されたフィルタを順番に通過します。例えば、データは最初にFlateDecodeで圧縮され、次にバイナリデータを適切に処理できないシステムを通じた安全な転送のためにASCII 16進数としてエンコードされる場合があります。

デコーディングプロセス: PDFを読み取る際、コンシューマは各フィルタの逆処理を逆順に適用してプロセスを逆転させる必要があります。PDFリーダが/Filter [/ASCII85Decode /FlateDecode]に遭遇した場合、最初にASCII85デコードを適用し、次にFlateアルゴリズムを使用して結果を展開します。

一般的なフィルタ: 最も頻繁に使用されるフィルタには、FlateDecode（汎用的な可逆圧縮）、DCTDecode（カラー画像用のJPEG圧縮）、CCITTFaxDecode（2値画像用）、RunLengthDecode（シンプルなランレングスエンコーディング）があります。LZWDecodeは歴史的に一般的でしたが、特許の懸念（現在は失効）により、現代のPDFではあまり使用されていません。

Tagged PDFの考慮事項: アクセシビリティをサポートするTagged PDF ( Citation: PDF Association, 2023 PDF Association(2023). Retrieved from https://pdfa.org/resource/tagged-pdf-best-practice-guide-syntax/ ) を扱う場合、開発者はストリームエンコーディングが支援技術に必要な論理構造やテキストコンテンツを不明瞭にしないようにする必要があります。エンコーディングは、ドキュメントの論理構造に依存するコンテンツ抽出プロセスに対して透過的である必要があります。

• PDFストリームオブジェクト – 辞書とエンコーディングの対象となるバイナリデータを組み合わせた基本的なコンテナ構造
• FlateDecodeフィルタ – deflateアルゴリズムに基づく、現代のPDFで最も一般的な圧縮フィルタ
• コンテンツストリーム – ページ上でのコンテンツの表示方法を定義するページ記述オペレータを含む特定のタイプのストリーム
• PDF圧縮 – ストリームエンコーディングを含むさまざまな技術によってPDFファイルサイズを削減するより広範な概念
• フィルタパイプライン – 単一のストリームオブジェクトへの複数のエンコーディングフィルタの順次適用