Aplanar PDF

Qué se fija en la página y qué se respeta a propósito

Cada anotación de un PDF ya lleva una imagen de sí misma, su flujo de apariencia, que es lo que dibuja el lector. Aplanar toma esa imagen, la dibuja en el propio contenido de la página y luego elimina la anotación, así que la marca deja de ser algo colocado sobre la página y pasa a ser parte de ella. La colocación es la parte delicada y se hace con la regla de la propia especificación: el cuadro de apariencia pasa por la matriz del flujo, las esquinas transformadas se ajustan al rectángulo de la anotación y el resultado se escala para que coincida. Saltarse ese paso es la razón por la que un aplanado ingenuo deja las firmas del tamaño equivocado y los sellos un poco desplazados: es el error más común de esta operación.

Tres tipos de anotación se respetan a propósito. Los enlaces se conservan como enlaces, porque no tienen apariencia que fijar, y convertir un índice que funciona en tinta inerte al “aplanar comentarios” sería vandalismo, no una función. Todo lo marcado como oculto o no visible se omite por completo, ya que fijarlo haría aparecer contenido que el autor decidió ocultar. Y una anotación sin ninguna apariencia guardada se deja como está, porque no hay nada que dibujar: el lector las genera en el momento, e inventar una aquí significaría adivinar una fuente y un borde que el autor nunca especificó.

Una casilla de verificación o un botón de opción guarda varias apariencias y una nota de qué estado es el actual, así que se fija el que realmente está en uso: una casilla marcada sigue marcada y una sin marcar no deja nada. Los campos de formulario pasan por el mecanismo de formularios y no por esta vía, y un diccionario de formulario mal formado se detecta y se omite, en lugar de permitir que haga fallar también el aplanado de comentarios. El archivo guardado usa flujos de objetos, así que suele pesar un poco menos que el original aunque se le haya agregado contenido.

Si buscas otra cosa

Un documento firmado criptográficamente no debe aplanarse aquí, y no por una limitación: reescribir el contenido de la página es justamente lo que una firma digital existe para detectar, así que el resultado aparecerá, con razón, como alterado. Si en un archivo firmado necesitas bloquear los campos, esa es otra operación (marcar los campos como de solo lectura en lugar de fijarlos en la página), y qpdf --json-input o un pequeño script con pikepdf lo hacen sin tocar ni un solo flujo de contenido.

Para aplanar en grandes cantidades, o para formularios cuyas apariencias nunca se generaron porque el documento le pedía al lector que lo hiciera, pdftk in.pdf output out.pdf flatten y gs -dPreserveAnnots=false -sDEVICE=pdfwrite -o out.pdf in.pdf de Ghostscript renderizan con un intérprete completo que genera la apariencia que falte en lugar de dejar el campo como está. Ghostscript aplana también los enlaces junto con todo lo demás, lo que es un intercambio y no una mejora.