PowerPoint 轉 PDF

這一頁會讀你的 .pptx、照真實尺寸把每一張投影片畫出來，然後寫成一張投影片一頁的 PDF —— 在你的瀏覽器裡完成，沒有上傳。文字保持可選取、可搜尋。轉換之前它會先檢查這份簡報，並具名指出畫不出來的東西 —— 因為某一張投影片會變成空白，這件事值得事先知道。

投影片其實比文件好轉，這件事出乎我們意料

一般的假設是三種 Office 格式裡簡報最難轉。做完之後我們改變了看法。投影片是絕對定位：每個圖形自己帶著位移與尺寸，所以沒有文字流要算、沒有跨頁斷行、根本沒有分頁邏輯。反而是 Word 文件那一套 —— 換行、分頁、表格高度計算 —— 才是明顯更難的排版問題。

.pptx 真正的難處在另一個地方：繼承。投影片上的一個圖形常常沒有自己的位置、顏色與字型。它只說「我是標題佔位框」，真正的值住在版面配置裡，版面配置沒有的話再往母片找，而母片裡的顏色又是指向主題色盤的間接引用。跳過這條鏈，一張有標題加三個項目的投影片就會變成一張白紙。

我們量過這件事的代價。八份真實的 PowerPoint 檔案 —— 由檔案內的產生者字串鑑定為真的 Microsoft Office 輸出 —— 把版面配置與母片繼承解出來之後，其中五份的文字留存率從 0% 到 13% 之間變成 100%。一份用自訂母片的簡報從一張完全空白的頁面變成完整的一頁。整個功能的成本大約是 10 KB 的壓縮後程式碼。

這次實作學到的一課：0 常常是「自動」而不是「零」

OOXML 用 0 當哨兵值的頻率遠超預期，而 JavaScript 讓這個陷阱更糟 —— 因為字串 "0" 在 JavaScript 裡是真值。表格列寫成 h="0" 不代表零高度的列，它的意思是「請 PowerPoint 自動決定高度」。用單純的真假判斷去讀它，整張表的每一列會疊在同一條線上，而表頭底色也會一起消失，因為它同樣沒有高度。

同一個模式在一次實作裡咬了我們四次。一個尺寸為 0 又帶自動調整旗標的文字框，是「自動決定大小」的框；把它當成零高度的框，我們丟掉了二十九段正文。一條寬或高為 0 的連接線，是水平線或垂直線，不是隱形的線。屬性 showMasterSp="0" 的意思是「不要畫母片上的裝飾圖元」，跟真假判斷得到的結論正好相反。粗體寫成 b="0" 的意思是「明確地不要粗體」—— 當它繼承的樣式本來是粗體時，那是一個真的指令。

這四個的輸出都能通過粗略的檢查：檔案有產生、頁數正確、沒有拋錯、文字層大致正確。它們是靠把 PDF 渲染回點陣圖、跟基準並排看才抓到的 —— 而那現在就是這一系列工具每一個的驗證方式。

哪些會轉得好，哪些會不見

文字與它的格式轉得不錯：標題、多層項目符號（含真正的符號字元）、逐段的粗體斜體底線顏色與字級、對齊、行距，以及主題字型被解析成襯線／無襯線／等寬三類。表格有框線與表頭底色。約四十種圖形會用正確的幾何畫出來 —— 矩形、圓角矩形、橢圓與圓、三角形、菱形、平行四邊形、最多十二邊的多邊形、星形、箭頭、對話框與流程圖符號 —— 另外還有自訂路徑、旋轉、經主題解析的實心填色、線條顏色與寬度，以及 PNG 與 JPEG 圖片。投影片背景與母片裝飾圖元會畫出來。

圖表不轉換。圖表繪製器等於一個獨立的繪圖引擎 —— 座標軸、刻度、圖例、各種系列型別 —— 而一張只對一半的圖表比一塊空白更危險，因為它看起來像數據。SmartArt 是用 PowerPoint 存在檔案裡的後備圖畫出來的，形狀與文字會保留，但沒有它佈局引擎的細膩；如果檔案裡沒有那份後備圖，那一塊就是空白。漸層會變成所有色停的平均色。陰影、光暈、反射與 3D 效果不會輸出。動畫、換頁效果、內嵌影片與音訊在 PDF 裡本來就不存在，那是格式的性質不是這一頁的限制。DrawingML 規格裡其餘的圖形以矩形近似：位置對、顏色對、輪廓不對。

你一選檔就會知道哪幾項會影響你的簡報。這一頁會數你這一份檔案裡的圖表、SmartArt、漸層與不支援的圖形，量圖片與影音佔多少比例，然後把它找到的東西列出來 —— 幾毫秒之內，在任何轉換發生之前。

中文，以及我們會直接說不的那個情況

投影片上的中文需要在 PDF 裡嵌一份字型，因為 PDF 內建的字型只有拉丁字母。我們隨站帶一份 6,403 個字元的 Noto Sans TC 子集，只在你選了檔案、而且簡報需要時才抓，抓下來之後再依實際用到的字切一次子集才嵌進去。標題是這件事最明顯的地方，而一個印成問號的標題是最顯眼的一種失敗。

那種失敗教了我們不要相信保真度數字。有一份真實的日文簡報，文字留存率量出來 92.2%，對基準的墨水比是 1.677，兩個數字看起來都很好。那張投影片上印的是「????尾崎、淡??最期」—— 假名全部是問號。數字裡沒有任何一項說得出這件事，我們是打開渲染出來的圖看到的。

所以我們改成偵測它。日文與韓文會被拒絕，並且說明理由，而理由不是檔案大小。Noto Sans TC 裡一個諺文音節都沒有 —— 那 11,172 個字元不是「我們選擇不放」，是來源字型本身沒有 —— 而一句真實的韓文句子就算用完整的來源字型也只有 9.5% 畫得出來。日文的話，加了假名之後常見的日文專用漢字仍然只有 69.9%，所以頁面會只對一半，而只對一半比明確的拒絕更難解釋。加一點假名還會造成第二種傷害：我們的偵測器會停止對那些簡報發出警告，而輸出仍然是壞的。我們特別測過這個結果，那就是隨站字集停在這裡的原因。

沒有任何上傳，以及授權對你的 PDF 意味著什麼

你的簡報是用瀏覽器的檔案 API 讀進來的，在同一個分頁裡轉換，PDF 在記憶體裡組出來。沒有任何請求帶著你的簡報，所以沒有上傳可以被攔截、沒有保留政策需要你信任、也沒有一個可能被轉寄出去的下載連結。還沒公布的業績、內部策略、客戶名稱、薪資級距都住在簡報裡，而在本機做這件事的意義就是這些都不會送到我們這邊 —— 就算我們想看也看不到。

一分鐘就能驗：開發人員工具、網路分頁、轉一次檔案。你會看到這個頁面、它的程式碼，以及簡報需要時的那份中文字型。本站的 Content-Security-Policy 把連線限制在自己的來源，所以不論程式想做什麼，帶著你檔案的請求都會被瀏覽器擋掉。

隨站字型是 Noto Sans TC，授權 SIL Open Font License 1.1，授權全文隨檔案提供。該授權第 5 節末句寫明「必須維持在本授權下」的義務不延伸到使用本字型產生的文件，所以即使 PDF 裡嵌了字型子集，你的 PDF 本身不帶授權義務。有一件事我們不宣稱：這不是 PDF/A 輸出、也不是封存工具 —— 拉丁文字用的是 PDF 標準字型，而標準字型是不嵌入的，光這一點就已經讓檔案不符那個標準。