¿Qué es un archivo PDF?

PDF es un formato de documento, que describe páginas y no píxeles. Puede tener píxeles y formas dibujadas en la misma página. Se usa para entregar un archivo terminado, la impresión y el archivado.

La extensión es .pdf y el nombre completo, Portable Document Format. Ambos importan menos que lo que el archivo puede contener, y de eso trata el resto de esta página.

Adobe lo publicó en 1993. La especificación es ISO 32000-2.

A un formato que lleva tanto tiempo siendo legible se le puede confiar algo que quieras recuperar dentro de diez años.

Está publicada entera, así que cualquiera puede implementarla leyendo el documento en vez de a base de inspeccionar archivos. Por eso aparece en tantos programas, y por eso los archivos escritos hace veinte años siguen abriéndose hoy. Publicada no quiere decir libre de regalías: cuando un formato envuelve un códec, la licencia de las patentes es un asunto aparte que la norma no resuelve.

PDF guarda su contenido exactamente. Volver a guardarlo no cambia nada, así que puedes abrirlo, editarlo y guardarlo tantas veces como quieras sin acumular daño; eso es lo que lo convierte en un formato de trabajo y no de entrega.

PDF lleva un canal alfa, así que un logotipo conserva sus bordes suaves sobre lo que haya detrás en vez de llegar dentro de una caja blanca.

Puede trabajar en RGB, CMYK, el modelo que necesita una imprenta y escala de grises.

CMYK es el que decide si una imprenta acepta el archivo, y es lo primero que se pierde al convertir a un formato de pantalla.

Un archivo PDF no está limitado a una página, y eso importa al convertirlo a algo que sí lo está: de una conversión sale un único archivo con una sola página dentro — la primera, salvo que el conversor te deje elegir cuál.

PDF guarda las partes de una imagen por separado en vez de fundidas, y eso es lo que lo convierte en un archivo de trabajo. Casi todos los formatos a los que se convierte las funden, y la fusión no tiene vuelta atrás: conserva el original con capas.

PDF lleva cifrado opcional.

Un archivo cifrado hay que abrirlo antes de que nada pueda convertirlo, aquí y en cualquier otro sitio. Una contraseña no es algo que un conversor pueda esquivar, y a uno que dijera lo contrario tampoco habría que confiarle el archivo.

Adobe Acrobat, Preview y LibreOffice Draw lo leen, y también la mayoría de programas del mismo tipo.

Cuando un archivo no se abre, el formato rara vez es el problema: lo más habitual es que el programa sea anterior al formato. Convertir a algo más antiguo es la salida fiable, y para eso está el resto de este sitio.

Cualquier navegador actual lo lee.

Eso lo convierte en algo que puedes poner en una página o adjuntar a un mensaje sin preguntarte qué tiene instalado el otro lado.

PDF puede guardar los registros XMP y las propiedades del documento.

Que algo de esto sobreviva a una conversión depende por completo del destino, y la respuesta honesta suele ser «una parte».

PDF está pensado para entregarse, no para trabajar dentro. Editar uno es posible y rara vez agradable; lo sensato es cambiar el original y volver a exportar.

Esto explica todo lo demás del formato. Un archivo de Word contiene texto que fluye: párrafos, estilos, una estructura que el programa recoloca en cuanto cambias el margen. Un PDF contiene instrucciones de dibujo — «coloca estos caracteres con esta tipografía en estas coordenadas» — y la estructura que los mantenía unidos se tiró en el momento en que el documento se imprimió sobre papel virtual.

De ahí sale lo que el formato hace bien y lo que hace mal. Se ve igual en cualquier máquina, porque no hay nada que recalcular. Y no se edita cómodamente, porque cambiar una palabra en mitad de un párrafo exigiría reconstruir el párrafo, que en el archivo no existe.

Un PDF generado por un programa lleva el texto como texto: las palabras están realmente ahí, como secuencias de códigos, y se pueden buscar, copiar y extraer. Un PDF que sale de un escáner o de la cámara del móvil lleva una imagen de una página, y para el archivo esa imagen es indistinguible de la fotografía de un gato.

La prueba dura tres segundos y va antes de elegir cualquier herramienta. Abre el archivo e intenta seleccionar una línea con el ratón. Si el texto se resalta palabra por palabra, es del primer tipo. Si aparece un rectángulo azul sobre toda la zona, es del segundo, y ninguna extracción encontrará palabras que nunca se escribieron como palabras.

Un PDF bien generado lleva incrustadas las tipografías que usa, o al menos los glifos que necesita. Quien lo recibe no necesita tenerlas instaladas, y los saltos de línea caen donde los puso quien escribió el documento. Es exactamente la razón por la que este formato sustituyó a la costumbre de enviar documentos y confiar.

También es el motivo de que un PDF pese más que el documento del que sale, y de que uno producido por un sistema que se saltó la incrustación aparezca con espaciados raros en otra máquina. Si el mismo archivo se ve distinto en la pantalla de un compañero, una tipografía sin incrustar es casi siempre la explicación.

Es el error más caro que se comete con este formato, y lo cometen despachos de abogados y administraciones con regularidad. Dibujar un rectángulo negro sobre un nombre añade un rectángulo negro al archivo. El nombre sigue exactamente donde estaba, debajo, y se recupera seleccionando el texto o abriendo el documento con cualquier herramienta que lea su estructura.

Un tachado real elimina los caracteres del archivo y vuelve a dibujar la página, y hay que hacerlo con una función que declare que hace eso. Si no estás seguro de cuál de las dos has usado, la comprobación es inmediata: selecciona y copia la zona tapada, y pega el resultado en un editor de texto.

La primera es la contraseña de apertura. Sin ella el contenido está cifrado e ilegible para cualquier programa, y no existe atajo: quien no la tiene no tiene el documento. Eso sí es protección.

La segunda es un conjunto de permisos — prohibido imprimir, copiar, editar — escritos dentro de un archivo que se abre con toda normalidad. Es una petición dirigida a los programas, no un cifrado, y el contenido está en claro detrás de ella. Que sea técnicamente sorteable no te dice si tienes derecho a hacerlo: esa es una pregunta sobre el documento y sobre quien te lo envió, nunca sobre el software.

PDF/A es un subconjunto del formato pensado para la conservación a largo plazo. Prohíbe todo lo que dependa de algo externo al archivo: nada de contenido enlazado, nada de JavaScript, nada de cifrado, y las tipografías tienen que ir incrustadas obligatoriamente. La idea es que el documento siga siendo legible dentro de treinta años por un programa que hoy no existe.

Aparece en la administración electrónica, en depósitos judiciales y en archivos institucionales, que rechazan un PDF corriente sin dar muchas explicaciones. Convertir a PDF/A uno ya existente no siempre sale de forma automática — si faltan tipografías incrustadas hay que conseguirlas — y por eso conviene generarlo ya en ese perfil cuando se sabe adónde va.

El archivo arrastra metadatos que casi nadie mira: el programa que lo creó, la fecha de creación y la de última modificación, con frecuencia el nombre del autor tal y como estaba configurado en el sistema operativo, y a veces la ruta del archivo original en el disco de quien lo produjo.

En un documento que sale de la organización, eso es información que nadie decidió compartir. Merece la pena mirarla al menos una vez — en las propiedades del documento, en cualquier lector — y en este sitio hay una herramienta dedicada a quitarla, que trabaja en el navegador sin que el archivo se suba a ninguna parte.