Por que é tão difícil editar um PDF?

Um PDF é uma página pronta, não um documento

A Adobe criou o formato no início dos anos 1990 para resolver um único problema: uma página devia ficar exatamente igual em qualquer tela e em qualquer impressora, independentemente das fontes e dos programas que a outra pessoa tivesse. Ele nasceu do PostScript, a linguagem que as impressoras já falavam, e herdou essa natureza. Um PDF descreve como a página fica depois que tudo já foi decidido: a fonte, o tamanho, onde cada linha quebra, onde cada letra fica.

Um documento do Word ou do Google Docs guarda o contrário: o texto e as regras para organizá-lo na página (isto é um título, este parágrafo é justificado, as margens têm 2 cm). O programa monta a página do zero toda vez que você a abre, e é por isso que dá para digitar no meio de uma frase e tudo o que vem depois sai do caminho. Um PDF já fez esse trabalho e jogou as regras fora. Editar um PDF é desfazer um processo do qual o arquivo não se lembra mais.

O que há, de fato, dentro de uma página de PDF

Olhe dentro de uma página de PDF e você não vai encontrar frases. Vai encontrar uma lista de comandos de desenho. Para o texto, cada um diz mais ou menos o seguinte: use a fonte F1 em 11 pontos, vá até esta posição, desenhe estes caracteres. O que você precisaria para editar, em geral, não está lá:

• Nem palavras nem parágrafos. O arquivo posiciona caracteres, muitas vezes em pequenos blocos. Um espaço costuma ser só um vão no posicionamento, e não um caractere de espaço, e um parágrafo é apenas um conjunto de linhas que, por acaso, ficam uma embaixo da outra.
• Nenhuma ordem de leitura. O texto pode ser desenhado na sequência que o programa que gerou o arquivo achou mais conveniente: uma tabela coluna por coluna, o rodapé antes de tudo, duas colunas de jornal intercaladas linha a linha.
• Fontes reduzidas às letras usadas. Para manter o arquivo pequeno, a maioria dos PDFs incorpora apenas um subconjunto de cada fonte, só com os caracteres que aparecem na página. Se a palavra de que você precisa tem uma letra que nunca foi usada, a fonte do arquivo não tem o desenho dela. Alguns PDFs não incorporam fonte nenhuma e dependem do que o leitor conseguir encontrar.
• Espaçamento fixo. Um texto justificado é guardado com ajustes precisos ao longo da linha, para que ela preencha a largura da coluna. Troque uma palavra e todos esses números ficam errados.
• Camadas separadas para o que foi acrescentado depois. Realces, notas, caixas brancas, campos de formulário e assinaturas são anotações desenhadas por cima da página, e não parte dela. É por isso que uma caixa branca esconde o texto sem apagá-lo.
• Imagens que parecem texto. Um logotipo, um gráfico, uma captura de tela colada ou uma página escaneada são pixels. Não há neles caractere nenhum para editar.

Todo o resto de um PDF reforça isso. O conteúdo é comprimido, os objetos são localizados pela posição em bytes dentro do arquivo, e um arquivo protegido por senha é criptografado. Nada disso foi feito para ser aberto e reorganizado. Foi feito para ser exibido.

Por que trocar uma única palavra é difícil

Digamos que você queira corrigir um erro de ortografia no meio de um parágrafo. Em um arquivo do Word, basta apertar uma tecla. Em um PDF, o editor primeiro precisa descobrir quais caracteres desenhados pertencem à mesma linha (medindo as posições), quais linhas formam um parágrafo (pelo espaçamento, pelos recuos e pelas linhas que terminam antes da margem), qual é a largura da coluna e se o texto é alinhado à esquerda, centralizado ou justificado. Nada disso está escrito em lugar nenhum.

Depois, precisa tirar os caracteres antigos da vista, descobrir qual fonte os desenhou e qual era a cor da tinta, e desenhar a palavra corrigida com a mesma fonte, o mesmo tamanho e o mesmo espaçamento, para que ela não destoe. Se a correção é mais longa que o original, a linha não cabe mais, então o parágrafo inteiro precisa ser reajustado, e tudo o que está abaixo precisa descer. Mas só se não houver nada no caminho: uma tabela, uma imagem ou um rodapé é uma parede.

Cada um desses passos envolve algum grau de adivinhação, e cada programa que gera PDFs faz escolhas diferentes de fontes, espaçamento e ordem de desenho. É essa a verdadeira resposta para a pergunta de por que um PDF é tão difícil de editar. Não é uma tranca só. São uma dúzia de pequenos fatos que o arquivo nunca registrou, que todo editor precisa deduzir e, às vezes, deduz errado.

Por que um PDF é fácil de editar e o outro não

Como o formato permite tanta variação, o quanto um PDF é editável depende muito mais de como ele foi feito do que do programa em que você o abre:

• Exportado do Word, do Google Docs, do InDesign ou de uma página da web: texto de verdade, fontes incorporadas, uma linha desenhada para cada linha visível. É o melhor caso. A maioria dos editores consegue trocar uma palavra, e os bons conseguem reajustar o parágrafo.
• Feito com uma fonte que não foi incorporada: o texto é editável, mas as letras novas chegam em uma fonte substituta, e a emenda pode aparecer.
• Escaneado ou fotografado: uma imagem sem texto nenhum. Nada pode ser selecionado até que o OCR torne a digitalização editável, e, mesmo assim, o texto reconhecido é a melhor leitura que o mecanismo conseguiu fazer dos pixels.
• Achatado ou assinado: no primeiro caso, os campos de formulário e as anotações foram fixados na página; no segundo, uma assinatura digital lacra o arquivo, e a primeira alteração a invalida.
• Protegido por senha: o conteúdo é criptografado, e nenhum editor vê a página sem a senha.

Se o seu problema é um arquivo específico, e não o formato em geral, nossa página sobre por que não dá para editar um PDF traz um teste de dez segundos para cada um desses casos e a solução que vai com ele.

Como um bom editor de PDF edita o texto mesmo assim

Nada no formato impede um editor de alterar o texto. Ele só precisa reconstruir o que o arquivo deixou de fora, e fazer isso bem o bastante para que o resultado pareça intocado. É aí que os editores mais diferem. Alguns convertem a página inteira em um documento de texto e depois de volta, e o layout se perde. Outros transformam a página editada em uma imagem, e o texto selecionável se perde. Outros ainda desenham a palavra nova com a fonte que estiver à mão e deixam a antiga embaixo.

A ferramenta “Editar texto de PDF” do peadf foi construída para fazer isso direito, no seu navegador, sem enviar o arquivo a um servidor. Ela agrupa os caracteres desenhados em linhas pelas posições, descobre quais linhas formam um parágrafo e qual é a largura da coluna, lê a cor da tinta nos próprios comandos de desenho e lê a fonte de dentro do arquivo, para que uma linha editada seja composta com a mesma fonte das linhas ao redor. Os caracteres antigos são retirados do arquivo quando isso pode ser feito com segurança e conferido; caso contrário, ficam escondidos sob uma cobertura pintada com o próprio fundo da página. Uma alteração mais longa reajusta só as linhas necessárias e empurra para baixo o texto que vem depois, mas apenas sobre fundo liso. E, quando a fonte incorporada nunca teve um caractere que você digitou, só esse caractere é desenhado à parte, para que o resto da linha continue sendo texto de verdade.

Como editar um PDF com o mínimo de estrago

Saber por que o formato resiste já diz como trabalhar com ele. Seja qual for o editor que você usar:

1. 1

   Veja que tipo de PDF você tem

   Arraste o cursor sobre uma linha de texto. Se ela ficar destacada, a página tem texto de verdade. Se, em vez disso, aparecer uma caixa sobre a página inteira, é uma digitalização e precisa passar pelo OCR antes.

2. 2

   Edite a linha existente em vez de cobri-la

   No peadf, abra o arquivo na ferramenta “Editar texto de PDF”, escolha “Selecionar” e clique na linha. Reescreva as palavras ali mesmo, para que o editor mantenha a fonte, o tamanho, a cor e o alinhamento que encontrou.

3. 3

   Mantenha as alterações perto do tamanho original

   Uma correção de tamanho parecido fica na mesma linha. Uma bem mais longa reajusta o parágrafo, e o editor avisa se não houver espaço para empurrar o texto abaixo.

4. 4

   Compare os caracteres novos com os vizinhos

   Dê um zoom. Se uma letra parece de outra fonte, o arquivo não tinha o desenho dela. Trocar a palavra para evitá-la, ou cobrir e recompor a linha inteira, mantém a página uniforme. Nossa página sobre como editar um PDF sem perder a formatação fala mais sobre isso.

5. 5

   Confira o arquivo exportado, não o editor

   Abra o arquivo baixado no seu leitor de PDF de sempre. Busque a palavra corrigida, e também a antiga. Editar é grátis. O download exige uma conta gratuita e custa £ 0,99 na primeira semana.

Onde até o melhor editor para

• Texto dentro de uma imagem. As letras de um logotipo, de um gráfico ou de uma captura de tela são pixels, então a imagem precisa ser substituída, e não editada.
• Texto centralizado ou alinhado à direita, células de tabela e linhas soltas são editados uma linha de cada vez, cada uma presa à borda em que está alinhada, porque não há parágrafo para reajustar.
• Um parágrafo que não pode empurrar o que está abaixo é encaixado no espaço que tem, até certo ponto. Depois disso, a solução honesta é um texto mais curto.
• Fontes que nunca foram incorporadas, e caracteres que o subconjunto incorporado não contém, saem em uma fonte substituta. Uma alteração curta disfarça isso bem; um parágrafo inteiro novo, não.
• O texto do OCR é uma estimativa. As posições e os tamanhos são aproximados, e as palavras reconhecidas precisam de revisão.
• Uma assinatura digital não sobrevive a uma alteração, em editor nenhum. Consiga uma cópia sem assinatura, altere essa cópia e assine de novo.
• A criptografia não é um detalhe técnico. Sem a senha, não há página para editar, e nada aqui recupera ou adivinha uma senha.

Perguntas frequentes