Warum PDFs überall gleich aussehen (und so schwer zu bearbeiten sind)

Eine PDF ist eine Zeichnung, keine Textdatei

Im Inneren einer PDF gibt es keinen fließenden Text. Es gibt Zeichenanweisungen: setze dieses Schriftzeichen an Koordinate x-y, ziehe diese Linie, fülle dieses Rechteck, bette dieses Foto ein. Das Format stammt von PostScript ab, der Sprache der Laserdrucker, und hat deren Weltbild geerbt: Eine Seite ist eine feste Leinwand, kein Strom aus Wörtern.

Deshalb übersteht eine PDF jede Reise unversehrt. Schriften reisen in der Datei mit, Positionen sind absolut, und der Betrachter hat nur eine Aufgabe: den Zeichenanweisungen zu gehorchen. Ein Word-Dokument ist dagegen eine Sammlung von Vorschlägen ('das ist eine Überschrift, setze sie vernünftig'), die jedes Gerät leicht anders interpretiert; darum verrutschen Layouts zwischen Rechnern.

Der Preis zeigt sich in dem Moment, in dem du etwas ändern willst. Weil Absätze nicht als Objekte existieren, bedeutet 'verschiebe diesen Absatz', die Position jedes nachfolgenden Zeichens neu zu berechnen, über Seitengrenzen hinweg, die die Datei nie als flexibel beschrieben hat. Editoren, die das schaffen, betreiben Rekonstruktion; sie entschlüsseln ein Layout, das das Format vergessen hat.

Eine Seite, drei sehr verschiedene Inhaltsarten

Vektorinhalte (Text, Linien, Formen) sind als Mathematik gespeichert und bleiben bei jedem Zoom gestochen scharf. Rasterinhalte (Fotos, Scans) sind als Pixel gespeichert und werden beim Vergrößern unscharf. Eine einzelne Seite mischt routinemäßig beides, plus eine dritte, unsichtbare Ebene: Metadaten und Struktur wie Lesezeichen, Links und Formularfelder.

Zu wissen, welche Ebene man gerade ansieht, erklärt das meiste PDF-Verhalten. Text, den du markieren und durchsuchen kannst, ist Vektortext; Text, den du nicht markieren kannst, ist ein Bild von Text, und genau das ist jede gescannte Seite. Auch die Dateigröße folgt dieser Trennung: Hundert Seiten reiner Text können weniger wiegen als ein einziges eingebettetes Foto.

Was Werkzeuge für dich tun können und was nicht

Operationen, die Seiten als versiegelte Einheiten behandeln, sind sicher und verlustfrei: Dokumente zusammenfügen, teilen, Seiten löschen, drehen und umsortieren verschieben ganze Seitenobjekte, ohne ihren Inhalt anzufassen. Deshalb sieht eine zusammengefügte PDF exakt aus wie ihre Quellen; nichts wurde neu gerendert.

Operationen, die die versiegelte Einheit öffnen müssen, sind der Ort, an dem Qualitäts- und Treuefragen beginnen: Textextraktion hängt davon ab, ob innen echter Text existiert, das Umwandeln von Seiten in Bilder friert eine Auflösung für immer ein, und echtes Bearbeiten verlangt die oben beschriebene Rekonstruktion. Faustregel: Was sich mit Schere und Kopierer erledigen ließe, kann PDF perfekt; was eine Schreibmaschine braucht, erzeugt Reibung.

Wann PDF die falsche Wahl ist

PDF ist das richtige Format für fertige Dokumente: Verträge, Rechnungen, Lebensläufe, alles, wo das Layout Teil der Botschaft ist und Änderung unerwünscht. Es ist das falsche Format für Inhalte, die noch geschrieben werden, für Text, der auf Handys umfließen soll, und für Daten, die Maschinen lesen sollen; eine in einer PDF gefangene Tabelle ist ohne mühsame Extraktion für Tabellenkalkulationen verloren.

Die praktische Gewohnheit: Behalte die bearbeitbare Quelle (Word, Google Docs, Markdown, was auch immer das Dokument erzeugt hat) und betrachte die PDF als das veröffentlichte Foto davon. Wer nur die PDF aufhebt, erlebt irgendwann den Tag, an dem er die Schreibmaschine braucht und nur das Foto in der Hand hält.