مبانی کامپیوتر

فرمت های سند؛ PDF و Word و متن

فرمت سند تعیین می کند فایل شما دست طرف مقابل چطور باز شود: ورد برای سندی که قرار است ویرایش شود، PDF برای سندی که باید دقیقا همان طور دیده شود که فرستادید، و متن ساده برای سندی که فقط کلمه هایش مهم اند. انتخاب اشتباه معمولا روی کامپیوتر خودتان دیده نمی شود، روی کامپیوتر طرف مقابل دیده می شود.

درس ۶ از ۱۲
مقدماتی
رایگان، بدون ثبت نام

چهار کاری که فرمت سند را انتخاب می کنند

هر خانه یک کار است و فرمتی که آن کار را انجام می دهد کنارش نوشته شده.

باید ویرایش شود

DOCX. تنها فرمتی از این چهار تا که برای ویرایش ساخته شده.
باید همان طور دیده شود

PDF، به شرطی که فونت داخلش جاسازی شده باشد.
باید سال ها بعد باز شود

TXT. چیزی ندارد که خراب شود، چون چیزی جز حروف ندارد.
ساختار دارد و جای دیگری می رود

مارک داون. فرمت کاری است، نه فرمت تحویل به مشتری.

یک سند

این چهار خانه انتخاب فرمت را حل می کنند، نه محتوا را. سند بد در فرمت درست همچنان سند بدی است.

آخرین بررسی: ۱۵ شهریور ۱۴۰۵ فکت ها و نام ابزارهای این درس در همین تاریخ با منابعشان بازبینی شده اند.

فرمت سند یعنی چه

فرمت سند یعنی روشی که متن و عکس و جدول شما داخل یک فایل بسته بندی می شوند. پسوند آخر نام فایل فقط برچسب این بسته بندی است. عوض کردن آن برچسب فرمت را عوض نمی کند، همان طور که عوض کردن نام روی یک جعبه، چیزی را که داخلش است عوض نمی کند.

تفاوت واقعی بین فرمت ها در این است که هرکدام اجازه دارند چه چیزی را نگه دارند. یک فایل ورد کنار متن، اطلاعات صفحه بندی و سبک و تغییرات ردیابی شده را هم نگه می دارد. یک PDF به جای آن، نتیجه نهایی صفحه را نگه می دارد. یک فایل متنی هیچ کدام را نگه نمی دارد و فقط خود حروف است.

یک نکته که کمتر گفته می شود: فایل ورد امروزی خودش یک بایگانی فشرده است. مستندات خود مایکروسافت می گوید یک docx بسته ای است از چند فایل XML و تصویر که کنار هم زیپ شده اند. برای همین است که یک سند ورد با ده عکس، حجمش تقریبا حجم همان ده عکس است، و برای همین دو بار زیپ کردنش تقریبا هیچ چیز کم نمی کند.

سه برگ سند: یکی با علامت های مداد قرمز، یکی شیشه ای قفل شده آبی و یکی نوار ساده سبز

کدام فرمت را برای کدام کار بفرستیم

سوال درست این نیست که کدام فرمت بهتر است. سوال این است که این فایل قرار است چه کاری بکند. چهار جواب رایج وجود دارد و هر جواب یک فرمت دارد.

اگر طرف مقابل باید متن را عوض کند، ورد بفرستید. اگر نباید عوض شود و باید همان شکلی دیده شود که شما دیدید، PDF بفرستید. اگر فقط خود کلمه ها مهم اند و می خواهید فایل ده سال دیگر هم باز شود، متن ساده امن ترین انتخاب است، چون تقریبا چیزی ندارد که خراب شود. و اگر متن ساختار دارد اما قرار است در جای دیگری استفاده شود، مثل چیزی که از یک ابزار هوش مصنوعی می گیرید، مارک داون همان چیزی است که دستتان می آید.

فرمت	ویرایش	چیدمان ثابت	حجم	باز شدن همه جا
DOCX	بله، کار اصلی اش همین است	نه، به فونت و نسخه نرم افزار وابسته است	به عکس های داخلش بستگی دارد	ورد، گوگل داکس، لیبره آفیس
PDF	عملا نه، مگر با ابزار جداگانه	بله، اگر فونت داخلش جاسازی شده باشد	معمولا بیشتر از ورد همان سند	هر مرورگر و هر گوشی
TXT	بله، در ساده ترین شکل	ندارد، اصلا چیدمان ندارد	کمترین	همه جا، بدون استثنا
Markdown	بله، مثل متن ساده	ندارد، ساختار دارد نه ظاهر	کمترین	همه جا، اما همه جا زیبا نمایش داده نمی شود

یک موضع که همه با آن موافق نیستند: قرارداد و پیش فاکتور و رزومه را ورد نفرستید. سه دلیل دارد و دلیل سومش را کمتر کسی می گوید. اول اینکه شکلش روی کامپیوتر طرف مقابل عوض می شود. دوم اینکه هرکسی می تواند بی سر و صدا یک عدد را عوض کند. سوم اینکه فایل ورد تاریخچه ویرایش و نام نویسنده را با خودش می برد، و آن چیزی است که معمولا نمی خواهید همراه پیشنهاد قیمتتان برود.

یک سوال قبل از فرستادن فایل

قرار است طرف مقابل متن این فایل را عوض کند؟

بله

ورد بفرستید

فونت را داخل فایل جاسازی کنید تا شکلش عوض نشود.
قبل از فرستادن، نام نویسنده و تاریخچه ویرایش را پاک کنید.

نه

PDF بفرستید

خروجی را با pdffonts چک کنید؛ ستون emb باید yes باشد.
یک کلمه از داخلش را انتخاب کنید. اگر انتخاب نشد، متن عکس است.

این سوال فقط فرمت را تعیین می کند. اینکه فایل به دست چه کسی برسد و او با آن چه بکند، جای دیگری تصمیم گرفته می شود.

چرا فایل ورد روی کامپیوتر طرف مقابل به هم می ریزد

چون فایل ورد فونت را با خودش نمی برد، فقط نامش را می برد. کامپیوتر طرف مقابل آن نام را می خواند، فونت را ندارد، و نزدیک ترین فونتی را که دارد جایش می گذارد. فونت جایگزین عرض حروف متفاوتی دارد، پس خطوط جابه جا می شوند، جدول ها می شکنند و سندی که در دست شما دو صفحه بود در دست او دو صفحه و نیم می شود.

در فارسی این اتفاق بدتر است. فونت های فارسی از نظر ارتفاع خط و فاصله حروف با هم فرق زیادی دارند، پس جایگزینی که ویندوز انتخاب می کند معمولا سند را بیشتر از یک متن انگلیسی به هم می ریزد. اگر متن شما اعداد فارسی هم داشته باشد و فونت جایگزین آن ها را نداشته باشد، جای عدد مربع خالی می بینید.

راه حل هست و مایکروسافت خودش توضیحش داده: در تنظیمات ذخیره سازی ورد گزینه ای هست که فونت را داخل خود فایل جاسازی می کند. کار می کند و حجم فایل را زیاد می کند. اما اگر سند قرار نیست ویرایش شود، این همه دردسر بیهوده است: PDF بگیرید و تمام.

تله فونت فارسی در PDF

PDF قرار است سند را قفل کند. اما فقط وقتی این کار را می کند که فونت داخل خودش جاسازی شده باشد. اگر نشده باشد، همان مشکل ورد برمی گردد، این بار بی صدا تر، چون شما روی کامپیوتر خودتان که فونت را دارید هیچ ایرادی نمی بینید.

سه اتفاق ممکن است بیفتد و هر سه را روی همین سرور دیده ایم. اول: فونت کامل داخل فایل است و سند همه جا یکسان باز می شود. دوم: نام فونت هست ولی خودش نیست و خواننده هرچه داشت جایش می گذارد. سوم، که فارسی زبان ها بیشتر گرفتارش می شوند: کسی برای فرار از مشکل فونت، متن را عکس کرده و عکس را داخل PDF گذاشته. آن فایل روی هر دستگاهی بی نقص است و در عوض هیچ کلمه ای از آن قابل انتخاب و کپی و جستجو نیست. برای گوگل هم یک صفحه سفید است.

خبر خوب اینکه فهمیدنش ده ثانیه طول می کشد و به هیچ نرم افزار گرانی نیاز ندارد. ابزار خط فرمان pdffonts از بسته poppler فهرست فونت های داخل هر PDF را چاپ می کند. یک ستون به اسم emb دارد که جواب را می دهد: yes یعنی فونت داخل فایل است، no یعنی نیست. و اگر جدول کاملا خالی چاپ شد، یعنی اصلا فونتی در کار نیست و متن شما عکس است.

یک PDF فارسی که می شود به آن اعتماد کرد

برگه بررسی PDFقبل از فرستادن

نشانه های سالم بودن

pdffonts دست کم یک ردیف چاپ می کند.
ستون emb برای هر ردیف yes است.
متن با موس انتخاب و کپی می شود.
جستجوی یک کلمه فارسی داخل فایل جواب می دهد.

نشانه های دردسر

جدول pdffonts خالی است؛ کل متن عکس شده.
یک ردیف emb برابر no دارد؛ آن بخش روی هر دستگاه فرق می کند.
کپی کردن متن، حروف را جدا و بی ترتیب می دهد.

این فهرست فقط درباره سالم بودن فایل است. یک PDF بی نقص از نظر فنی هم می تواند سند غلطی باشد.

مارک داون از کجا آمد و چرا ناگهان همه جا هست

مارک داون یک فایل متنی ساده است با چند قرارداد نگارشی. ستاره دور یک کلمه یعنی پررنگ، علامت مربع در اول خط یعنی تیتر، خط تیره در اول خط یعنی آیتم فهرست. جان گروبر آن را در سال ۲۰۰۴ برای همین طراحی کرد که متن، قبل از تبدیل شدن هم خواندنی باشد.

دلیل اینکه امروز مدام با آن روبه رو می شوید ساده است: ابزارهای هوش مصنوعی خروجی شان را با همین قرارداد ها می نویسند. وقتی جواب یک چت بات را کپی می کنید و در ورد می چسبانید و ستاره ها به شکل ستاره می مانند، دلیلش این است که ورد این قرارداد را نمی شناسد. تقصیر ابزار نیست، تقصیر انتظار ماست.

موضع ما درباره اش روشن است: مارک داون یک فرمت کاری است، نه یک فرمت تحویل. برای یادداشت و پیش نویس و هر چیزی که بعدا به جای دیگری می رود عالی است. برای مشتری و حسابدار و اداره، عالی نیست. آنجا همان PDF را بفرستید.

مسیر سریع با هوش مصنوعی

وقتی یک پوشه پر از سند دارید و نمی دانید کدامشان سالم اند، تک تک باز کردنشان کار نیست. اول با یک حلقه کوتاه از خود فایل ها گزارش بگیرید، بعد آن گزارش را به یک مدل زبانی بدهید تا فهرست کارها را بیرون بکشد. مدل سریع و ارزان از رده Flash برای این کافی است و انتخاب فعلی ما در بخش هوش مصنوعی همین سایت فهرست شده. حقه کار در ستون emb است: همان یک ستون تفاوت بین PDF قابل اعتماد و PDF شکننده را می گوید و در هیچ آموزشی به آن اشاره نمی شود.

از پوشه گزارش بگیرید. برای هر PDF یک بار pdffonts اجرا کنید و خروجی را در یک فایل متنی جمع کنید. نام فایل را هم کنارش بنویسید، وگرنه گزارش بی معنی می شود.
بگویید هر سند قرار است کجا برود. بدون این، مدل نمی تواند بگوید کدام فایل واقعا مشکل دارد و فقط توصیه عمومی می دهد.
خروجی مدل را بخوانید و روی دو یا سه فایل خودتان چک کنید. مدل گزارش را می خواند، فایل را نمی بیند.

نسخه آماده کپی

گزارش گرفتن از پوشه:

  for f in *.pdf; do echo "== $f"; pdffonts "$f"; done > report.txt

پرامپت، همراه با محتوای report.txt:

  این خروجی pdffonts برای یک پوشه سند است. برای هر فایل بگو:
  ۱) آیا همه ردیف ها emb=yes دارند؟
  ۲) اگر جدول خالی است یعنی متن عکس شده؛ آن را جدا فهرست کن.
  ۳) کدام فایل ها برای {مقصد: مشتری / اداره / بایگانی} قابل فرستادن نیستند و چرا.
  خروجی را در سه گروه بده: سالم، نیازمند خروجی دوباره، متن عکس شده.
  حدس نزن؛ اگر ردیفی مبهم است بنویس نامشخص.

قبل از اعتماد به خروجی: مدل فقط گزارش را می بیند، نه سند را. اینکه یک PDF از نظر فونت سالم باشد نمی گوید محتوایش درست است، امضا دارد، یا نسخه آخر است. آن سه را باید خودتان باز کنید و ببینید. و هیچ سند محرمانه ای، از قرارداد و فیش حقوقی گرفته تا اسکن کارت ملی، نباید برای همین بررسی به هیچ ابزار آنلاینی آپلود شود؛ گزارش pdffonts هیچ محتوایی از داخل فایل با خودش نمی برد و دقیقا برای همین در این دستور استفاده شده.

هوش مصنوعی در این کار

در این موضوع، مدل زبانی جای تصمیم گرفتن نمی نشیند؛ قاعده ها ساده و ثابت اند و همین صفحه آن ها را دارد. جایی که واقعا کمک می کند دو کار است: خلاصه کردن یک سند طولانی که باید بخوانید، و مرتب کردن گزارشی که خودتان از یک پوشه گرفته اید. یک کار را هم اصلا به آن نسپارید که پایین آمده.

ابزارهایی که واقعا کمک می کنند

Gemini Notebook برای وقتی که باید یک سند طولانی را بفهمید و جواب ها باید از خود همان سند بیرون بیایند. راهنمای خود گوگل می گوید در همان بیش از صد و هشتاد منطقه ای کار می کند که اپ جمنای کار می کند، و ایران در فهرست کشورهای پشتیبانی شده اپ جمنای نیست.
Gemini برای پاس مکانیکی روی گزارشی که خودتان از پوشه گرفته اید، با مدل سریع و ارزانش. صفحه خود گوگل می گوید اپ وب جمنای در بیش از دویست و سی کشور و منطقه کار می کند و ایران در آن فهرست نیست.
LibreOffice هوش مصنوعی نیست و عمدا اینجاست: تبدیل ورد به PDF با فونت جاسازی شده کار یک نرم افزار رایگان است و هیچ مدلی لازم ندارد. مدل تصمیم می گیرد، نرم افزار اجرا می کند.
RGB لایه دسترسی و پرداخت برای ایران، جدا از خود ابزارها.

کجا نتیجه معکوس می دهد

کاری که نباید بسپارید این است: آپلود کردن سند محرمانه به یک ابزار عمومی برای تبدیل یا خلاصه شدن. قرارداد و فیش حقوقی و اسکن مدارک، وقتی آپلود شدند، دیگر فقط پیش شما نیستند. اینکه محتوایشان به آموزش مدل برود یا نه به پلن و تنظیمات همان سرویس بستگی دارد و خود شرکت ها این را نوشته اند: صفحه حریم خصوصی گوگل برای اپ های جمنای و صفحه انتروپیک درباره استفاده از داده برای آموزش. برای همین است که دستور بالا روی خروجی pdffonts بنا شده و نه روی خود فایل. ریسک دوم کوچک تر اما رایج تر است: مدل فایل شما را نمی بیند. هر جوابی از جنس «این PDF مشکلی ندارد» بدون دیدن گزارش، حرف است.

منبع ها: Google: Gemini Apps privacy Anthropic: is my data used for model training Where you can use the Gemini web app

حد این توصیه

این درس درباره فرستادن سند بین آدم هاست، نه درباره سندی که باید امضای دیجیتال یا اعتبار حقوقی داشته باشد. آنجا فرمت کوچک ترین بخش ماجراست و قاعده ها کشور به کشور فرق می کند. جدول بالا هم درباره حجم قطعیت ندارد: PDF معمولا از ورد همان سند بزرگ تر است، اما اگر سند پر از عکس باشد ممکن است برعکس شود. و ستون emb فقط می گوید فونت داخل فایل هست؛ نمی گوید متن درست شکل گرفته و اگر تولیدکننده PDF فارسی را بد چیده باشد، فونت جاسازی شده هم آن را درست نمی کند.

از تجربه خود ما

سه فایل واقعی را روی همین سرور با pdffonts خواندیم، در ۲۰۲۶-۰۹-۰۶، و هر سه حالت را نشان دادند. اول یک قرارداد طراحی سایت که از بهمن ۱۳۹۷ در کتابخانه رسانه یکی از سایت های خودمان مانده: pdffonts سه ردیف چاپ می کند، هر سه با نام TimesNewRomanPSMT، دو ردیف emb برابر yes و یک ردیف emb برابر no. یعنی بخشی از همان سند هفت ساله روی کامپیوتر خواننده با هرچه او داشته باشد کشیده می شود. دوم یک فرم فارسی که خروجی کتابخانه mPDF است: سه ردیف MPDFAA+DejaVuSerifCondensed با emb و sub هر دو yes، یعنی فونت جاسازی و برش خورده. جالبی اش این است که DejaVu یک فونت فارسی نیست؛ سند فارسی با فونتی چاپ شده که برای این کار ساخته نشده و همین در PDF قابل دیدن است. سوم فایلی که خودمان با Imagick و pango ساختیم: pdffonts هیچ ردیفی چاپ نکرد و pdftotext هیچ متنی بیرون نداد، چون متن عکس شده بود. همان دلیلی که فونت RGBirLegacy را روی این سرور به شکل ttf نصب کرده ایم اینجا هم صدق می کند و در کد تم نوشته شده: کتابخانه GD فارسی را اصلا شکل نمی دهد و کاری که جواب می دهد Imagick با pango است.

سوال هایی که واقعا پرسیده می شوند

پسوند فایل را دستی عوض کنم، فرمتش عوض می شود؟

نه. پسوند فقط برچسب است و محتوای فایل دست نخورده می ماند. نتیجه معمولا این است که برنامه فایل را باز نمی کند یا پیغام خرابی می دهد. برای عوض کردن واقعی فرمت باید فایل را در یک نرم افزار باز کنید و با فرمت دیگری ذخیره یا خروجی بگیرید.

چرا PDF من از فایل ورد اصلی بزرگ تر شد؟

معمولا به دو دلیل. اول اینکه فونت ها داخل PDF جاسازی شده اند و همین چند صد کیلوبایت وزن دارد، مخصوصا با فونت فارسی که تعداد گلیف زیادی دارد. دوم اینکه بعضی ابزارها هنگام خروجی، عکس ها را دوباره و با کیفیت بالاتری جاسازی می کنند. اگر حجم مهم است، در تنظیمات خروجی گزینه فشرده سازی تصاویر را پایین بیاورید.

گوگل داکس بفرستم یا فایل؟

لینک برای کار مشترک و زنده خوب است، فایل برای وقتی که نسخه باید ثابت بماند. یک تفاوت مهم که معمولا دیر فهمیده می شود: لینک هر وقت شما بخواهید یا دسترسی قطع شود از دست می رود، ولی فایلی که فرستادید تا ابد دست طرف مقابل است. برای قرارداد و پیشنهاد قیمت، PDF بفرستید.