Juntar e dividir arquivos PDF

Combinar dois PDFs soa como empilhar duas pilhas de papel, e para as páginas em si isso é mais ou menos verdade. Os problemas interessantes moram em tudo que cerca as páginas. Uma página de PDF não carrega as próprias fontes, os próprios perfis de cor nem as próprias definições de formulário — ela referencia tabelas compartilhadas mantidas pelo documento. Ao juntar dois arquivos, essas tabelas precisam ser conciliadas; ao dividir um, precisam ser repartidas. Se a ferramenta faz isso com cuidado ou na força bruta é a diferença entre um arquivo combinado que é a soma das partes e outro com o dobro do tamanho, sem marcadores e com um bloco de assinatura vazio onde havia um formulário preenchido. Um aviso antes de continuar: nossa ferramenta comprime, converte e cuida de senhas, e NÃO junta nem divide. Esta página existe porque essas operações ficam ao lado das que fazemos e porque saber o que uma junção quebra diz o que conferir depois.

O que uma junção precisa conciliar

Quatro coisas viajam com o documento e não com a página. Fontes são a primeira: cada arquivo de origem embute os próprios subconjuntos, e uma junção ingênua mantém as duas cópias mesmo sendo a mesma tipografia, que é o motivo habitual de o arquivo combinado ficar maior que os dois originais somados. Uma junção cuidadosa deduplica programas de fonte idênticos. A segunda é a árvore de marcadores: dois documentos têm duas raízes, e algo precisa decidir se elas viram ramos irmãos ou se um conjunto é simplesmente descartado, que é o que quase toda ferramenta rápida faz. A terceira são os destinos nomeados, as âncoras internas que tornam as referências cruzadas clicáveis: dois arquivos podem perfeitamente conter uma âncora chamada "secao1", e um dos dois perde. A quarta são os metadados, que não podem ser mesclados de forma alguma com sentido, então o resultado normalmente herda o título e o autor do primeiro arquivo e os arrasta em silêncio para um documento que agora é outra coisa.

Formulários, assinaturas e anotações

Elementos interativos são onde a junção causa dano real. Um campo de formulário é um objeto no nível do documento; dois arquivos com um campo chamado "data" não conseguem manter os dois, e o resultado usual é que o valor de um campo acompanha o do outro, de modo que preencher um muda ambos. Algumas ferramentas achatam os formulários ao juntar, transformando campos em texto de aparência impressa, o que resolve o conflito removendo a interatividade — aceitável se você vai arquivar, desastroso se o destinatário ainda precisa preencher. Assinaturas digitais são mais simples e mais duras: uma assinatura cobre a faixa de bytes do documento que assinou, então qualquer junção a invalida. Isso é a assinatura fazendo o trabalho dela. Se você precisa de um documento assinado dentro de uma compilação, mantenha o original assinado ao lado, como arquivo separado, porque nenhuma ferramenta consegue juntá-lo mantendo a assinatura válida.

O que a divisão leva e o que não leva

Dividir é subtração e costuma ser mais gentil, mas tem armadilha própria. Se uma ferramenta extrai as páginas 5 a 10 num arquivo novo, essas páginas continuam referenciando os recursos compartilhados do documento inteiro, e uma implementação preguiçosa copia a tabela de recursos toda — deixando você com um arquivo de seis páginas que carrega as fontes e os perfis de cor das duzentas originais. O resultado abre certo e é muito maior do que deveria. Marcadores que apontam para fora da faixa extraída precisam ser podados ou viram links mortos, e referências internas a páginas removidas vão silenciosamente para lugar nenhum. Ao dividir, compare o tamanho da saída com a proporção de páginas: seis páginas de duzentas não deveriam ser metade do arquivo original, e se forem, passe o resultado por um compressor ou use outra ferramenta.

Ordem de páginas, rotação e as falhas chatas

A maioria das reclamações sobre junção não é corrupção, é arrumação. Páginas digitalizadas de cabeça para baixo carregam um atributo de rotação em vez de pixels girados, e algumas ferramentas aplicam esse atributo enquanto outras o descartam, então um arquivo combinado pode de repente conter páginas deitadas que antes pareciam certas. Tamanhos de página misturados são o outro caso: combinar A4 e Carta, ou retrato e paisagem, produz um documento correto que imprime mal, porque a impressora escala pela primeira página ou pergunta página a página. Nenhum dos dois é um defeito para corrigir depois — decida antes de juntar se quer um tamanho de página uniforme e, se quiser, normalize primeiro as páginas destoantes em vez de deixar a impressora improvisar.

Escolher um método

Para algo pontual, o seu sistema operacional talvez já resolva. O Preview do macOS junta arrastando miniaturas entre documentos abertos. No Windows, imprimir no driver Microsoft Print to PDF junta de forma confiável mas rerrenderiza tudo, o que achata formulários e pode suavizar o texto — ok para arquivamento, errado para um documento que precisa continuar nítido. Ferramentas de linha de comando dão os resultados mais previsíveis para trabalho repetido e valem o aprendizado se você monta documentos com frequência. Serviços web são convenientes e são também a opção em que seu documento sai da sua máquina, o que é uma consideração real para contratos, prontuários e qualquer coisa com dados pessoais. Não existe resposta universalmente certa; existe uma resposta certa por documento, e ela depende principalmente de quão sensível é o conteúdo e de se a interatividade precisa sobreviver.

Comprima depois, não antes

Se o documento combinado vai por e-mail, comprima o arquivo pronto e não cada entrada. Comprimir as partes primeiro e depois juntar deixa recursos duplicados no lugar e recodifica algumas imagens duas vezes, o que custa qualidade sem economizar muito. Uma única passada sobre o documento montado resolve tudo de uma vez, deduplica o que a junção deixou para trás e dá a você um número só para comparar com o limite do seu servidor de e-mail. A mesma lógica vale para dividir: extraia as páginas de que precisa e comprima o extrato, em vez de comprimir um arquivo de duzentas páginas para chegar a seis.

Uma conferência curta depois de cada junção ou divisão

Abra o resultado e confirme cinco coisas. O número de páginas é o esperado. A primeira e a última página de cada seção de origem estão presentes e na orientação certa. Os campos de formulário ainda aceitam digitação, ou foram achatados de propósito. Os marcadores funcionam ou sumiram — não estão presentes e quebrados. E o tamanho é proporcional: bem maior que a soma das entradas significa fontes duplicadas, e um arquivo dividido quase do tamanho do pai significa que a tabela de recursos veio junto. Dois minutos de conferência pegam tudo o que está descrito nesta página, e nada disso aparece numa miniatura.