Editar PDF

Por que editar um PDF é mais difícil do que editar um documento

Um PDF não tem parágrafos. Uma página é um programa de desenho, e o texto nela é uma série de instruções para colocar determinados glifos em determinadas coordenadas — não há registro de que esses glifos formam uma frase, uma linha ou uma coluna. Tudo o que este editor faz começa reconstruindo essa estrutura perdida: o fluxo de conteúdo é convertido de volta em operações de desenho, as fontes que a página usa são lidas dos recursos dela, e os códigos de glifo são transformados de volta em caracteres legíveis pelo mapa de caracteres de cada fonte. Os geradores modernos incorporam subconjuntos de dois bytes cujos códigos são números de glifo sem nenhuma relação com o Unicode, então, sem esse mapa, o texto de uma página é realmente ilegível, e não só incômodo.

Recompor uma linha exige então as métricas da fonte, não só o nome dela — a largura de avanço de cada glifo, lida da tabela simples de larguras que uma fonte simples traz ou da forma compactada que uma fonte grande usa —, porque as palavras novas precisam ser medidas no tipo de letra do próprio documento antes de serem posicionadas. É por isso que uma linha reescrita mantém a fonte, o tamanho e a cor originais, em vez de ser coberta com um remendo branco e digitada de novo, e é também a origem do limite honesto: o texto não se redistribui. Uma frase mais longa ocupa mais espaço na linha e não empurra a linha seguinte para baixo, porque não existe linha seguinte para empurrar — só mais instruções em coordenadas fixas. O Acrobat se comporta do mesmo jeito, pelo mesmo motivo.

As fontes incorporadas costumam ser subconjuntos, com só os glifos que o documento já usa. Digite um caractere que o subconjunto não tem e não há glifo para desenhar, então o editor avisa em vez de gravar um espaço vazio ou trocar silenciosamente por outro tipo de letra. O texto novo contorna o problema incorporando uma fonte Unicode completa, com os alfabetos latino, cirílico e grego — por isso a ferramenta Adicionar texto consegue digitar polonês, turco ou russo em um documento que nunca os conteve. Escritas que precisam de modelagem contextual são recusadas de cara: as letras árabes mudam de forma conforme a posição e os conjuntos consonantais do bengali são glifos únicos, e colocar os pontos de código um depois do outro produz um texto que não é só feio, mas errado.

As coordenadas são invertidas exatamente uma vez. A interface trabalha do topo da página para baixo, porque é assim que as pessoas leem; um PDF mede de baixo para cima. Cada marca é guardada no primeiro sistema e convertida para o segundo no momento em que é gravada no arquivo, em um único lugar, que é a única disciplina que evita de forma confiável que uma assinatura caia de cabeça para baixo ou que um destaque fique dois centímetros abaixo da frase.

Quando você precisa de outra coisa

Uma página digitalizada não tem texto para editar — é uma fotografia de texto, e não há nada no fluxo de conteúdo além de uma imagem. Passe-a por OCR antes, para ter palavras com que trabalhar, ou aceite que Cobrir e Adicionar texto é a única opção honesta nessa página.

Quando a edição é, na verdade, uma reescrita — redistribuir um parágrafo, mover uma tabela, mudar o estilo de um documento —, nenhum editor de PDF é a ferramenta certa, nem os caros, porque a estrutura que você quer mudar foi descartada quando o PDF foi criado. Volte ao documento de origem, se ele existir, ou converta em Word e edite lá. Para alterações via script em muitos arquivos, o pikepdf e o mutool clean -d expõem o fluxo de conteúdo diretamente, e nenhum dos dois precisa renderizar uma página antes.