Qué guarda de verdad un PDF (y qué no)

No guarda párrafos: guarda letras colocadas

Un documento de Word guarda ideas de estructura: esto es un párrafo, esto un título, esta tabla tiene tres columnas. Por eso, si borras una frase, todo lo demás se recoloca solo.

Un PDF guarda otra cosa: qué letra va en qué coordenada exacta de la hoja. No sabe que ahí hay un párrafo; sabe que hay una «a» en el punto tal y una «b» tres milímetros más allá. Esa es toda la diferencia, y de ella salen casi todas las consecuencias.

La primera: por eso no se edita como un Word. Si quitas una palabra, el resto no se recoloca, porque no hay párrafo que recolocar: queda un hueco. Los programas que editan PDF hacen malabares para disimularlo, y por eso funcionan regular. Y por eso convertir un PDF a Word da casi siempre un documento con cajas de texto sueltas: hay que adivinar la estructura que nunca se guardó.

La segunda, la buena: por eso se ve igual en todas partes. Como las posiciones son fijas y la tipografía viaja dentro del archivo, tu documento se abre idéntico en un móvil, en un ordenador de hace diez años y en la impresora de una gestoría. Es exactamente lo que se le pide a un documento oficial.

Un escaneado no tiene texto. Tiene fotos de texto

Esta es la que más disgustos da. Cuando escaneas un papel, el escáner no lee: hace una fotografía de cada hoja y la mete dentro de un PDF. Para el archivo, esa página no contiene ni una sola letra: contiene una imagen que, casualmente, tiene letras dibujadas.

Por eso en un escaneado no puedes buscar una palabra, ni seleccionar, ni copiar. No es que tu programa sea malo: esa información no está. Convertirla en texto de verdad se llama reconocimiento óptico de caracteres, es otro proceso distinto y tiene sus propios fallos, sobre todo con letra manuscrita.

Hay una forma rápida de saber qué tienes delante: abre el PDF e intenta seleccionar una frase con el ratón. Si se marca el texto, es un PDF de verdad; si se marca un rectángulo entero o no se marca nada, es un escaneado.

De ahí sale el peso

Un documento de veinte páginas hecho desde Word puede pesar 200 KB. El mismo documento escaneado puede pesar 40 MB. Doscientas veces más, con el mismo contenido.

La explicación es la misma de antes. En el primero se guardan las letras y la tipografía una sola vez: ocupa poquísimo. En el segundo se guardan veinte fotografías a tamaño folio; una página A4 escaneada a 300 puntos por pulgada son más de ocho millones de píxeles.

Y de aquí sale una regla práctica que mucha gente aprende por las malas: comprimir funciona muy bien con escaneados y es contraproducente con documentos de texto. En un escaneado aprietas fotos, que es justo donde está el peso. En un documento de texto, comprimir obliga a convertir las letras en fotos de letras: el archivo crece y encima pierdes el texto seleccionable.

Las cajas de la página

Cada página no tiene un tamaño, sino varios rectángulos con nombre. Los dos que importan: la caja del medio, que es el papel físico, y la caja de recorte, que es el trozo que los programas deben enseñar.

Recortar un PDF consiste en encoger la segunda. El margen sigue dentro del archivo, solo deja de enseñarse. Por eso el documento pesa lo mismo después de recortarlo, y por eso el recorte se puede deshacer. Es tapar, no borrar: muy útil de saber si lo que querías era eliminar algo que aparece en el margen, porque recortar no lo elimina.

Lo que se pierde al manipularlo

Cuando se construye un PDF nuevo copiando páginas de otro —que es lo que hacen unir, dividir y organizar— hay tres cosas que no viajan con ellas: el índice de marcadores lateral, los enlaces internos que saltaban a otra página del propio documento y los campos de formulario rellenables.

No es un descuido: un marcador no apunta a «la página 7», apunta a un objeto concreto de ese archivo, y al copiar la página a otro documento esa referencia deja de existir. El contenido visible se conserva entero; lo que desaparece es la navegación. Si tu PDF es un manual con índice navegable o un formulario oficial, tenlo en cuenta antes de trocearlo.

Resumen para llevarse

Se ve igual en todas partes porque guarda posiciones fijas y lleva la tipografía dentro.
No se edita bien por lo mismo: no hay párrafos que recolocar.
Si viene de un escáner, no hay texto: hay fotos.
El peso lo mandan las imágenes, no las letras.
Recortar tapa, no borra, y por eso se deshace.
Trocear pierde marcadores y formularios, no el contenido.