RTF naar PDF omzetten

Weinig mensen schrijven bewust een RTF. Ze komen uit systemen: een transcriptiedienst die een gedicteerde brief teruggeeft, een juridisch of medisch praktijksysteem dat een document uit een sjabloon samenstelt, een mail-merge die driehonderd gepersonaliseerde brieven produceerde, een oude database wiens rapportgenerator maar één uitvoerformaat kende.

Die herkomst verklaart de vorm van het probleem. Het bestand is niet van jou, je koos het formaat niet, en wat je echt nodig hebt is een document dat je naar een klant kunt sturen, kunt printen voor een dossier of aan een zaak kunt hangen — geen van die dingen doet een RTF goed. Converteren is geen verbetering van de inhoud; het is het vastleggen van de vorm.

Rich text beschrijft opmaak, geen paginering. Waar de pagina’s breken wordt bepaald op het moment dat het bestand wordt geopend, door welk programma dan ook, met welke lettertypen die machine toevallig heeft. WordPad, Word, LibreOffice Writer en TextEdit kunnen allemaal een ander aantal pagina’s produceren uit hetzelfde bestand.

Voor een brief die geprint en ondertekend wordt, of een rapport dat naar een paginanummer verwijst, is dat niet acceptabel. Een PDF legt de opmaak eenmalig vast, op één machine, met één set lettertypen, en daarna ziet elke volgende lezer hetzelfde.

Deze richting verrast mensen, want omzetten naar PDF wordt normaal geassocieerd met groei. RTF heeft geen compressie en schrijft ingebedde afbeeldingen als hexadecimale tekst, wat ongeveer twee tekens per byte van het origineel kost. Een document met een gescand briefhoofd en drie foto’s is als rich text daardoor enorm.

Een PDF slaat dezelfde afbeelding op als binaire data in een gecomprimeerde stream, en comprimeert ook de pagina-inhoud. Was een RTF vastgelopen op een bijlagelimiet, dan is converteren vaak de hele oplossing.

Een RTF draagt een lettertypetabel met de gewenste typen en kan ze niet insluiten. Wat het bestand rendert vervangt alles wat het niet heeft, en een vervanging met andere maatvoering laat elke alinea opnieuw afbreken — waardoor een brief van twee pagina’s met drie pagina’s en een weduwe op de laatste regel terugkomt.

De machine die deze omzetting uitvoert draagt de Liberation-familie, Carlito en Caladea, metrisch identieke vervangers voor Arial, Times New Roman, Courier New, Calibri en Cambria, plus DejaVu en Noto voor bredere dekking. Documenten in die gangbare typen converteren zonder te verschuiven.

Tabellen, koppen, voetteksten, paginanummering, voetnoten, lijsten en hyperlinks hebben allemaal een directe vertegenwoordiging in rich text en renderen zoals verwacht. Wat beweegt zijn de onderdelen die al onduidelijk waren: een tabel breder dan de pagina, een afbeelding vastgezet bij een alinea nabij een paginabreuk.

Systeemgegenereerde RTF’s zijn meestal eenvoudig en converteren zonder incident, omdat het programma dat ze schreef een smalle subset van het formaat gebruikte. Handmatig bewerkte zijn minder voorspelbaar. Bekijk zowel de eerste als de laatste pagina van de PDF.

Rich text is een zevenbits formaat. Alles buiten gewone ASCII wordt geschreven als een escape, geïnterpreteerd tegen een tekenset die het bestand in zijn header verklaart — dat werkt perfect als de verklaring klopt en produceert de bekende verminkte achternaam als dat niet zo is. Systemen die RTF uitvoeren doen dit al dertig jaar soms verkeerd.

De omzetting rendert wat het bestand zegt in plaats van het te herstellen, dus een naam die al fout stond blijft fout en staat nu permanent vast op een pagina. Controleer dit bij een brief aan iemand met een accent in de naam voordat je een batch converteert.

De PDF is het document zoals het zou printen. Opmerkingen en aantekeningen worden niet getekend, revisiemarkeringen worden niet getoond, verborgen tekst blijft verborgen, en een veld dat nog een veld was lost op naar de waarde die het op dat moment bevat.

Dat is het juiste gedrag voor een document dat wordt gearchiveerd of verstuurd, en het is een bewuste controle waard voordat je converteert. Kreeg een samenvoegveld in een gegenereerde brief nooit een waarde, dan toont de RTF een lege plek en de PDF legt die lege plek permanent vast.

Het kenmerkende volume-geval voor dit paar is een map bijna-identieke brieven uit één run: rekeningoverzichten, afspraakbevestigingen, verlengingsberichten. Zet de hele map neer in plaats van er één voor één doorheen te gaan; elk bestand wordt omgezet, behoudt zijn naam met gewijzigde extensie, en de set komt terug als één ZIP.

Controleer er drie in plaats van één — de eerste, een uit het midden, en die met de langste ontvangersnaam, want daar loopt een sjabloon vaak over een regel heen. Tel ook het aantal uitvoerbestanden tegen het aantal records dat de merge inging.

De meeste omzettingen hier draaien lokaal en versturen niets. Deze kan dat niet: een woordverwerkingsdocument naar een pagina renderen vraagt een volledige kantoorengine, dus het bestand gaat over een versleutelde verbinding naar een container die LibreOffice zonder interface draait en verder niets bevat.

De container heeft geen uitgaande internetroute. Elke taak krijgt zijn eigen scratchmap en LibreOffice-profiel; die map wordt verwijderd zodra de taak eindigt, geslaagd of niet, en een taak die na zestig seconden nog draait wordt beëindigd. Het gratis plafond is 25 MB per document.

Kan het document nog worden gewijzigd — een conceptbrief in afwachting van goedkeuring, een rapport dat nog een alinea krijgt — bewaar dan het rich-text-bestand. De PDF is een weergave van een moment, en teruggaan betekent een bewerkbaar document terughalen uit een vast bestand, wat gissen is in plaats van converteren.

Het patroon dat werkt in een dossier is beide bewaren: de RTF als werkkopie, de PDF als de versie die daadwerkelijk verstuurd is, zo genoemd dat de twee overduidelijk hetzelfde document zijn.