O que é um arquivo PDF?

PDF é um formato de documento, que descreve páginas e não pixels. Ele pode ter pixels e formas desenhadas na mesma página. Ele é usado para entregar um arquivo pronto, a impressão e o arquivamento.

A extensão é .pdf e o nome por extenso é Portable Document Format. Os dois importam menos do que aquilo que o arquivo consegue carregar, e é disso que trata o resto desta página.

A Adobe publicou o formato em 1993. A especificação é ISO 32000-2.

A um formato que se manteve legível por tanto tempo dá para confiar algo que você quer de volta daqui a dez anos.

Ela está publicada por inteiro, então dá para implementá-la a partir do documento em vez de por observação — é por isso que o formato aparece em tantos programas e por isso que arquivos escritos há vinte anos ainda abrem. Especificação publicada não é o mesmo que livre de royalties: quando o formato embrulha um codec, o licenciamento das patentes é uma questão à parte, que a norma não resolve.

PDF guarda o conteúdo exatamente. Salvar de novo não muda nada, então dá para abrir, editar e salvar quantas vezes você quiser sem acumular estrago — e é isso que faz dele um formato de trabalho e não de entrega.

PDF carrega um canal alfa, então uma logomarca mantém as bordas suaves por cima do que estiver atrás em vez de chegar dentro de uma caixa branca.

Ele consegue trabalhar em RGB, CMYK, o modelo de que uma gráfica precisa e tons de cinza.

É o CMYK que decide se uma gráfica aceita o arquivo, e é a primeira coisa que se perde na conversão para um formato de tela.

Um arquivo PDF não está limitado a uma página, e isso conta na hora de converter para algo que está: cada conversão produz um arquivo com uma página só — a primeira, a menos que o conversor deixe você escolher qual.

PDF guarda as partes de uma imagem separadas em vez de achatadas, e é isso que faz dele um arquivo de trabalho. Quase todo formato para o qual ele converte achata as camadas, e o achatamento não tem volta: guarde o original com camadas.

PDF traz criptografia opcional.

Um arquivo criptografado precisa ser destrancado antes que qualquer coisa possa convertê-lo, aqui e em qualquer outro lugar. Uma senha não é algo que um conversor contorne, e a um que dissesse o contrário você não deveria entregar o arquivo de jeito nenhum.

Adobe Acrobat, Preview e LibreOffice Draw leem esse formato, e a maioria dos programas do mesmo tipo também.

Quando um arquivo não abre, o formato raramente é o problema — mais comum é o programa ser mais antigo que ele. Converter para algo mais antigo é o caminho confiável, e é para isso que serve o resto deste site.

Qualquer navegador atual lê o formato.

Dá para colocá-lo numa página ou anexá-lo a uma mensagem sem se perguntar o que o outro lado tem instalado.

PDF consegue guardar os registros XMP e as propriedades do documento.

Se alguma coisa disso sobrevive a uma conversão depende inteiramente do destino, e a resposta honesta costuma ser «uma parte».

PDF foi feito para ser entregue, não para se trabalhar dentro dele. Editar um é possível e raramente agradável; o caminho sensato passa pelo original e por uma nova exportação.

É isso que explica todo o resto do formato. Um arquivo do Word contém texto que flui: parágrafos, estilos, uma estrutura que o programa reposiciona assim que a margem muda. Um PDF contém instruções de desenho — «coloque estes caracteres nesta fonte nestas coordenadas» — e a estrutura que os mantinha juntos foi jogada fora no momento em que o documento foi impresso em papel virtual.

Daí sai tudo o que o formato faz bem e tudo o que faz mal. Ele aparece igual em qualquer máquina, porque não há nada a recalcular. E não se edita com conforto, porque mudar uma palavra no meio de um parágrafo exigiria reconstruir o parágrafo, que no arquivo não existe.

Um PDF gerado por um programa carrega o texto como texto: as palavras estão realmente ali, como sequências de códigos, e dá para procurar, copiar e extrair. Um PDF que sai de um scanner ou da câmera do celular carrega uma imagem de página, e para o arquivo essa imagem não se distingue da fotografia de um gato.

O teste leva três segundos e vem antes de escolher qualquer ferramenta. Abra o arquivo e tente selecionar uma linha com o mouse. Se o texto se destaca palavra por palavra, é o primeiro caso. Se aparece um retângulo azul sobre a área toda, é o segundo — e nenhuma extração vai encontrar palavras que nunca foram escritas como palavras.

Um PDF bem gerado leva dentro de si as fontes que usa, ou pelo menos os glifos de que precisa. Quem recebe não precisa tê-las instaladas, e as quebras de linha caem onde quem escreveu as colocou. É exatamente o que substituiu o hábito de mandar documento e torcer.

É também a razão de um PDF pesar mais que o documento de origem, e de um produzido por um sistema que pulou a incorporação aparecer com espaçamento errado em outra máquina. Se o mesmo arquivo fica diferente na tela de um colega, uma fonte não embutida é quase sempre a explicação.

É o erro mais caro que este formato permite, e escritórios de advocacia e órgãos públicos o cometem com regularidade. Desenhar um retângulo preto sobre um nome acrescenta um retângulo preto ao arquivo. O nome continua exatamente onde estava, embaixo, e volta a aparecer ao selecionar o texto ou ao abrir o documento com qualquer ferramenta que leia a estrutura dele.

Uma tarja de verdade remove os caracteres do arquivo e redesenha a página, e exige uma função que declare fazer isso. Na dúvida sobre qual das duas foi usada, a verificação é imediata: selecione e copie a área coberta e cole o resultado em um editor de texto.

A primeira é a senha de abertura. Sem ela o conteúdo está cifrado e ilegível para qualquer programa, e não existe atalho: quem não tem a senha não tem o documento. Essa é proteção de verdade.

A segunda é um conjunto de permissões — proibido imprimir, copiar, editar — gravado dentro de um arquivo que abre normalmente. É um pedido dirigido aos programas, não uma cifragem, e o conteúdo está em claro atrás dela. Ser tecnicamente contornável não diz se você tem o direito de contornar: essa pergunta é sobre o documento e sobre quem o enviou, nunca sobre o software.

PDF/A é um subconjunto do formato pensado para guarda de longo prazo. Ele proíbe tudo que dependa de algo externo ao arquivo: nada de conteúdo vinculado, nada de JavaScript, nada de cifragem, e as fontes têm de estar obrigatoriamente embutidas. A ideia é que o documento continue legível daqui a trinta anos por um programa que ainda não existe.

No Brasil ele aparece no processo eletrônico e em arquivos institucionais, que recusam um PDF comum sem muita explicação. Converter para PDF/A um arquivo já existente nem sempre sai de forma automática — se faltarem fontes embutidas, é preciso obtê-las — e por isso compensa gerar já nesse perfil quando se sabe para onde o documento vai.

O arquivo carrega metadados que quase ninguém olha: o programa que o criou, a data de criação e a da última alteração, muitas vezes o nome do autor como estava configurado no sistema operacional e, às vezes, o caminho do arquivo de origem no disco de quem o produziu.

Num documento que sai da empresa, isso é informação que ninguém decidiu compartilhar. Vale olhar pelo menos uma vez — nas propriedades do documento, em qualquer leitor — e neste site existe uma ferramenta própria para removê-la, que trabalha no navegador sem que o arquivo suba para lugar nenhum.