Comprimir PDF

Un PDF que nació como documento de Word o exportación de diseño es fundamentalmente un contenedor de texto, formas vectoriales y fuentes incrustadas, y reducirlo significa ajustar esa estructura — eliminar subconjuntos de fuentes duplicados, volver a comprimir cualquier imagen rasterizada incrustada que ya esté presente, eliminar metadatos no usados y objetos sin referencias. Nada de esto toca el texto en sí, que permanece exactamente igual de seleccionable y buscable que antes. El ahorro aquí suele ser modesto, a menudo en el rango de unos pocos puntos porcentuales hasta quizá veinte, porque un documento bien formado no lleva de entrada tanta holgura.

Un PDF que nació de un escáner, en cambio, es en realidad una secuencia de fotografías de página completa envueltas en un empaquetado PDF, sin texto real en absoluto — lo que parece texto son píxeles dispuestos para parecerlo. Reducir ese tipo de archivo significa volver a codificar cada imagen de página a menor resolución o calidad, exactamente el mismo compromiso que comprimir un JPEG. El ahorro aquí es drástico, habitualmente entre un 70% y un 90%, precisamente porque un escaneo de página completa a resolución de impresión lleva muchos más datos de píxeles de los que una pantalla realmente necesita para mostrarlo.

Tratar ambos casos como un solo "nivel de compresión" ocultaría la decisión que realmente importa: una vía es segura de aplicar a cualquier cosa, la otra convierte permanentemente texto real en una imagen y no se puede deshacer. Mantenerlos como dos modos explícitos significa que la elección es visible en lugar de estar enterrada en un control deslizante.

La prueba fiable es si el texto del documento se puede seleccionar y copiar. Abre el archivo, intenta hacer clic y arrastrar sobre una línea de texto, y si aparece un cursor de texto y un resaltado de selección, el documento tiene texto real y el modo sin pérdida es lo que quieres — rasterizarlo lo haría más grande, no más pequeño, ya que volver a codificar texto vectorial nítido como una imagen de píxeles es un mal negocio en ambas direcciones. Si hacer clic no produce ninguna selección y toda la página se comporta como una sola imagen, es un escaneo, y el modo rasterizar es el apropiado.

Un documento mixto — un contrato con una página de firma escaneada añadida a páginas por lo demás digitales — se probará como si tuviera texto real en general, y el modo sin pérdida es la elección correcta para él; la imagen escaneada incrustada dentro de él aún se beneficia de cualquier recompresión que el modo sin pérdida sea capaz de aplicar específicamente a imágenes incrustadas, sin tocar el resto de la estructura del documento.

La diferencia de tamaño que a veces ves entre esta herramienta y un compresor de PDF del lado del servidor no es una limitación de la que avergonzarse — es la consecuencia directa de procesar por completo dentro del navegador en lugar de enviar el archivo a un servidor con un motor PDF completo y códecs de imagen dedicados. Una herramienta del lado del servidor puede reducir las fuentes a solo los glifos realmente usados, volver a codificar las imágenes incrustadas con un codificador construido específicamente para ese trabajo, y reconstruir todo el grafo de objetos desde cero. Replicar todo eso dentro de una pestaña del navegador, sin un backend, es un problema de ingeniería materialmente distinto, y esta herramienta es honesta sobre hacer un subconjunto más pequeño y seguro de eso en lugar de afirmar una paridad que no puede entregar.

Lo que obtienes a cambio es sencillo: el documento nunca sale de tu dispositivo, así que un pase de compresión sobre un contrato o un historial médico nunca se convierte en una cuestión de manejo de datos, y no hay límite de número de páginas, ni cuota mensual, ni muro de pago que separe "lo bastante pequeño para comprimir gratis" de "paga para comprimir el resto".