Editar PDF

Por qué editar un PDF es más difícil que editar un documento

Un PDF no tiene párrafos. Una página es un programa de dibujo, y el texto que contiene es una serie de instrucciones para colocar determinados glifos en determinadas coordenadas: no queda constancia de que esos glifos formen una oración, una línea o una columna. Todo lo que hace este editor empieza por reconstruir esa estructura perdida: el flujo de contenido se vuelve a analizar en sus operaciones de dibujo, las fuentes que usa la página se leen de sus recursos y los códigos de glifo se convierten de nuevo en caracteres legibles mediante el mapa de caracteres de cada fuente. Los programas modernos incrustan subconjuntos de dos bytes cuyos códigos son números de glifo sin ninguna relación con Unicode, así que sin ese mapa el texto de una página es realmente ilegible, no solo incómodo.

Para volver a componer una línea hacen falta las métricas de la fuente, no solo su nombre (el ancho de avance de cada glifo, leído del arreglo de anchos plano que lleva una fuente simple o de la forma codificada por tramos que usa una fuente grande), porque las palabras nuevas tienen que medirse en la propia tipografía del documento antes de colocarse. Por eso una línea reescrita conserva la fuente, el tamaño y el color originales en lugar de taparse con un parche blanco y volver a escribirse, y de ahí viene también el límite que hay que admitir: el texto no se reacomoda. Una oración más larga ocupa más espacio en su línea y no empuja hacia abajo la línea siguiente, porque no hay una línea siguiente que empujar, solo más instrucciones en coordenadas fijas. Acrobat se comporta igual, por la misma razón.

Las fuentes incrustadas suelen ser subconjuntos, con solo los glifos que el documento ya usa. Si escribes un carácter que el subconjunto no contiene, no hay glifo que dibujar, así que el editor te lo dice en lugar de escribir un espacio en blanco o sustituir sin avisar por otra tipografía. El texto nuevo evita el problema incrustando una fuente Unicode completa que cubre los alfabetos latino, cirílico y griego; por eso la herramienta “Agregar texto” puede escribir polaco, turco o ruso en un documento que nunca los ha contenido. Las escrituras que necesitan modelado contextual se rechazan directamente: las letras árabes cambian de forma según su posición y las conjunciones del bengalí son glifos únicos, y colocar sus puntos de código uno tras otro produce un texto que no solo se ve feo, sino que es incorrecto.

Las coordenadas se invierten exactamente una vez. La interfaz trabaja de arriba hacia abajo porque así leemos; un PDF mide de abajo hacia arriba. Cada marca se guarda en el primer sistema y se convierte al segundo en el momento de escribirse en el archivo, en un solo lugar, que es la única disciplina que evita de forma fiable que una firma quede al revés o que un resaltado quede dos centímetros por debajo de su oración.

Si buscas otra cosa

Una página escaneada no tiene texto que editar: es una foto de un texto, y en el flujo de contenido no hay más que una imagen. Pásala primero por OCR para tener palabras con las que trabajar, o acepta que “Tapar” más “Agregar texto” es la única opción honesta en esa página.

Cuando la edición es en realidad una reescritura (reacomodar un párrafo, mover una tabla, cambiar el estilo de un documento), ningún editor de PDF es la herramienta adecuada, ni siquiera los caros, porque la estructura que quieres cambiar se descartó al crear el PDF. Vuelve al documento original si existe, o conviértelo a Word y edítalo ahí. Para cambios automatizados en muchos archivos, pikepdf y mutool clean -d exponen directamente el flujo de contenido, y ninguno necesita renderizar antes la página.