Fusionner des PDF

Un fichier PDF n'est pas vraiment un flux linéaire de pages comme l'est un document plat — c'est un graphe d'objets, où une page référence les polices, images et flux de contenu dont elle a besoin, et ces objets peuvent être partagés entre pages au sein du même fichier. Fusionner fonctionne en copiant le graphe d'objets de chaque document source dans un nouveau fichier combiné et en réécrivant l'arbre de pages pour lister chaque page de chaque document dans l'ordre choisi, en préservant les références internes de chaque document pour que rien ne s'affiche cassé.

C'est pourquoi fusionner est généralement sans perte au sens qui compte : les pages elles-mêmes — leur texte, images, mise en page et formatage — sont copiées exactement telles qu'elles existaient dans les fichiers source, sans être re-rendues ni réencodées. Ce qui ne se transfère pas automatiquement, c'est la structure au niveau du document qui existe au-dessus du niveau des pages individuelles, et c'est là qu'apparaissent les vraies limites de la fusion.

Les signets (l'arbre de plan utilisé pour la navigation dans un lecteur PDF), les associations de champs de formulaire, et les métadonnées au niveau du document comme le titre et l'auteur sont des structures qui décrivent le document dans son ensemble plutôt qu'une page individuelle, et une fusion combinant plusieurs de ces structures depuis différents fichiers source n'a pas de façon unique et correcte de les réconcilier — trois documents ayant chacun son propre arbre de signets n'ont pas d'arbre combiné évident, et trois auteurs déclarés différents n'ont pas d'auteur combiné évident. Plutôt que de deviner, l'assemblage PDF côté client élimine généralement ces structures, ce qui est une limitation de la fusion PDF côté client en général plutôt que quelque chose de spécifique à une implémentation.

Ce qui est préservé sans exception, c'est le contenu visible : le texte reste sélectionnable et consultable, les images conservent leur résolution d'origine, et les annotations en ligne dessinées directement sur une page voyagent avec elle, car elles vivent au niveau de la page plutôt qu'au niveau du document.

Comme les documents sont fusionnés exactement dans l'ordre de la liste affichée, le flux de travail pratique consiste à ajouter tous les fichiers d'abord, puis à utiliser les contrôles de réordonnancement pour organiser la liste avant de cliquer sur fusionner, plutôt que d'essayer de prédire l'ordre final en ajoutant les fichiers un par un. Pour un gros lot — assembler une douzaine de relevés scannés en un fichier, par exemple — cela vaut la peine de vérifier l'ordre par rapport à quelque chose d'externe, comme les noms de fichiers ou les dates, car une fusion qui finit dans le mauvais ordre réussit tout de même sans aucun avertissement que la séquence est fausse.